دانش رسان |
مرکز علم و دانش کشور مطالعه تطبیقی مدل شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مطالعه تطبیقی مدل شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل) دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مطالعه تطبیقی مدل شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل) 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 مطالعه تطبیقی مدل شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مطالعه تطبیقی مدل شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل) :
نام کنفرانس، همایش یا نشریه : پژوهش و برنامه ریزی شهری
تعداد صفحات :۲۱
اطلاع از میزان تقاضای موجود در زمینه صدور پروانه ساخت در هر دوره یکی از مباحث اساسی است که شهرداری ها در راه پاسخگویی به تقاضا کنندگان نیازمند آن هستند. عدم اطلاع در این زمینه سبب ایجاد مشکلاتی مانند اتلاف وقت و انرژی، کاهش کارایی و نارضایتی ارباب رجوع و در نهایت فقدان برنامه ریزی مدون را سبب می شود. با توجه به روند پرنوسان و غیر خطی انگیزه افراد برای ساخت و ساز و در ادامه تهیه مجوز ساخت از شهرداری و متغیرهای موثر بر آن، مدل های غیرخطی و بخصوص شبکه های عصبی (ANN) و سیستم استنتاج عصبی فازی تطبیقی (ANFIS) در این امر توفیق بیشتری داشته اند. به این منظور ترکیبی از اساسی ترین پارامترهای برون بخشی و درون بخشی تاثیر گذار در تصمیم گیری افراد برای ساخت و ساز یعنی جمعیت شهر و نرخ رشد آن، متوسط درآمد و هزینه خانوار شهر (زابل)، تاثیر فصل های مختلف سال در قالب عامل دما، میزان تولید ناخالص داخلی (در سطح کلان)، تورم، و نوسانات مربوط به نرخ ارز (به عنوان پارامترهای برون بخشی) و عواملی مانند زمین و قیمت آن، تراکم و نرخ عوارض ساخت وساز (به عنوان عناصر درون بخشی) در نظر گرفته شده اند. در این بین برای مقایسه توانایی آن ها نسبت به هم از معیارهای ارزیابی کارایی مدل ها مانند (ضریب تعیین), MAD (میانگین قدر مطلق انحرافات) و RMSE (ریشه میانگین مربع خطا) استفاده شده است. در نهایت ANFIS به دلیل اتکا به ترکیب «قدرت یادگیری شبکه عصبی و عملکرد منطقی سیستم های فازی»؛ با مقدار R2 (0.9656، ۰.۹۸۹۹) RMSE ,(0.0026، ۰.۰۰۶۴) MAD , (0.0018، ۰.۰۰۶۱) به ترتیب برای آموزش و آزمون، بر روشبANN برتری نشان داده در نتیجه مدل مناسبتری برای پیش بینی هدف ماست.
کلید واژه: تقاضای پروانه ساخت، شبکه عصبی مصنوعی، ANFIS
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
