مقاله مقایسه کارایی داده های خام و داده های نرمالیزه شده به منظور پیش بینی ذرات گرد و غبار هوای شهر تهران توسط شبکه عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مقایسه کارایی داده های خام و داده های نرمالیزه شده به منظور پیش بینی ذرات گرد و غبار هوای شهر تهران توسط شبکه عصبی مصنوعی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه کارایی داده های خام و داده های نرمالیزه شده به منظور پیش بینی ذرات گرد و غبار هوای شهر تهران توسط شبکه عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مقایسه کارایی داده های خام و داده های نرمالیزه شده به منظور پیش بینی ذرات گرد و غبار هوای شهر تهران توسط شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه کارایی داده های خام و داده های نرمالیزه شده به منظور پیش بینی ذرات گرد و غبار هوای شهر تهران توسط شبکه عصبی مصنوعی :

تعداد صفحات:۱۷
چکیده:
دراین پژوهش از شبکه های عصبی مصنوعی (Artificial neural networks) به عنوان ابزاری توانمند درمدلسازی فرآیندهای غیرخطی ونامعین،به منظور پیش بینی میزان غلظت ذرات گرد و غبار شهر تهران استفاده شد.از نرم افزار MATLAB 7 و در شاخه Neural network برای پیش بینی کمک گرفته شد.ورودی های مدل ANN شامل داده های غلظت ذرات گرد و غبار،دمای هوا و سرعت باددر محدوده شهر تهران است که این داده ها بازه زمانی سال های ۲۰۰۶ تا ۲۰۱۰ را دربر می گیرند.اطلاعات چهار سال اول یعنی سال های ۲۰۰۶ تا ۲۰۰۹ برای آموزش مدل ها وداده های یک سال باقی مانده یعنی ۲۰۱۰ برای آزمایش آنها به کار رفته است.شبکه مورداستفاده ازنوع پرسپترون چندلایه )Multi- Layer Perceptron) با الگوریتم پس انتشار خطا (Back Propagation) و تکنیکهای یادگیری Traingdm و Trainlm است. در این راستا به منظور دست یابی به پیش بینی دقیق داده ها با سه روش نرمالیزه شدند. نتایج این تحقیق نشان می دهد که علاوه بر اینکه داده های نرمالیزه شده می تواند مقادیر مورد نظر و دقیق تری را ارائه دهد،استفاده از هرکدام از روش های نرمالیزه کردن نیز خصوصیات خود را دارا می باشد و نهایتا نرمالیزه کردن داده ها و همچنین انتخاب بهترین روش اهمیت به سزایی در افزایش میزان دقت پیش بینی دارد.