ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مقایسه عملکرد روش شبکه های عصبی و روشهای آماری در تخمین میزان تولید زباله های شهری

سال انتشار: 1398
کد COI مقاله: ICMPE02_024
زبان مقاله: فارسیمشاهده این مقاله: 192
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 20 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه عملکرد روش شبکه های عصبی و روشهای آماری در تخمین میزان تولید زباله های شهری

سونا هاشم پور - دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران،
سهند خداپرس - دانشکده برق وکامپیوتر، دانشگاه ارومیه ،دانشکده انفورماتیک، دانشگاه آوینیون فرانسه

چکیده مقاله:

امروزه مسئله جمع آوری، حمل و دفع زباله ها در دنیا بصورت مدیریت مواد زائد جامد مطرح گردیده که عناصر اصلی آن عبارتند از: تولید ، نگهداری موقت ، جمع آوری و حمل و نقل ، دفع و بازیافت. هر یک از این عناصر متاثر از یکدیگر بوده و پرداختن به یک یا چند عنصر بدون داشتن برنامه برای سایر عوامل سودی نخواهد داشت .در این تحقیق به مقایسه عملکرد مدل های مختلف در پیشبینی میزان زباله تولیدی و بهینه سازی سیستم حمل ونقل پرداخته شد . برای این منظور از روش سطح پاسخ ( RSM) به عنوان یک روش آماری و از شبکه های عصبی (ANN) به عنوان روش ریاضی در بهینه سازی سیستم حمل و نقل زباله های شهری ارومیه استفاده شد.جهت استفاده از شبکه های عصبی برای پیش بینی بار حمل شده در سیستم حمل و نقل زباله شهری ارومیه ، داده های جمع آوری شده تابستان 96 با سه ورودی و یک خروجی در الگوریتم (BBP) با 7 نرون در لایه پنهان آموزش داده شد و به عنوان بهترین مدل انتخاب شد. با استفاده از داده های اعتبار سنجی توانایی پیش بینی مدل ارزیابی شد و ضریب تعیین (R2) برای داده های اعتبار سنجی 0,9068 بدست آمد.اما در روش سطح پاسخ با در نظر گرفتن همبستگی خطی بین مقادیر پیش بینی شده و واقعی، مقادیر R2 برابر 0.9841 به دست آمد که مقدار مناسبی است و در واقع بیانگر این حقیقت است که 98,41 درصد از تغییرات در پاسخ را می تواند توسط این مدل تشریح کرد . بنابراین می توان نتیجه گرفت که روش سطح پاسخ در مدل سازی و پیش بینی بهتر از روش شبکه عصبی عمل نموده است.

کلیدواژه ها:

دفع زباله، شبکه عصبی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICMPE02_024 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1024638/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
هاشم پور، سونا و خداپرس، سهند،1398،مقایسه عملکرد روش شبکه های عصبی و روشهای آماری در تخمین میزان تولید زباله های شهری،دومین کنفرانس ملی مدیریت و مهندسی پیشرفت،تهران،https://civilica.com/doc/1024638

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، هاشم پور، سونا؛ سهند خداپرس)
برای بار دوم به بعد: (1398، هاشم پور؛ خداپرس)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 22,131
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی