| تعداد نشریات | 126 |
| تعداد شمارهها | 7,107 |
| تعداد مقالات | 76,330 |
| تعداد مشاهده مقاله | 152,196,468 |
| تعداد دریافت فایل اصل مقاله | 114,100,854 |
مقایسه کاربرد روشهای شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره براساس تحلیل مؤلفههای اصلی برای پیشبینی غلظت میانگین روزانه کربنمونوکسید: بررسی موردی شهر تهران | ||
| فیزیک زمین و فضا | ||
| مقاله 10، دوره 34، شماره 1، فروردین 1387، صفحه 1-1 اصل مقاله (568.89 K) | ||
| نویسندگان | ||
| روحالله نوری؛ خسرو اشرفی؛ ابوالفضل اژدرپور* | ||
| چکیده | ||
| هدف از این مقاله، پیشبینی میانگین غلظت روزانه کربنمونوکسید در هوای شهر تهران با استفاده از دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره برحسب تحلیل مؤلفه اصلی (PCA) است. از روش PCA برای از بین بردن همراستایی چندگانه (multicolinearity) بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده شده است. همچنین با استفاده از شبکه عصبی Feed-Forward با یک لایه پنهان نیز مدل مناسب برای این امر ایجاد شده است. بهمنظور پیشبینی غلظت کربنمونوکسید آمار سالهای 1383 و 1384 ایستگاه قلهک واقع در شمال تهران مورد استفاده قرار گرفته است. پس از اجرای مدلهای پیشگفته، ضریب همبستگی (R)، شاخص میانگین نسبی خطای مطلق (MARE) و خطای میانگین مجموع مربعات (RMSE) در شبکه عصبی برای مرحله آزمون، به ترتیب برابر با 716/0، 158/0 و 969/0 بهدست آمده که در مقایسه با مدل ترکیبی رگرسیونی (581/0= R ، 189/0 MARE = و 138/1 RMSE =) حاکی از برتری مطلق نتایج شبکة عصبی نسبت به مدل ترکیبی رگرسیونی است. | ||
| کلیدواژهها | ||
| تحلیل مؤلفه اصلی؛ شبکه عصبی مصنوعی؛ کربنمونوکسید؛ رگرسیون خطی چندمتغیره؛ تهران | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 4,617 تعداد دریافت فایل اصل مقاله: 4,299 |
||