مدل های شبکه عصبی

این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکه عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دوره زمانی ۵ فروردین ۱۳۸۸ تا ۱۸ اردیبهشت ۱۳۹۱ استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دوره بررسی شده، پیش بینی پذیر بوده و آثار غیرخطی معیّن و آشوبی داشته است. همچنین برطبق معکوس آماره حداکثر نمای لیاپانوف، تعداد روز های پیش بینی پذیر در این مطالعه، ۳۱ روز به دست آمد. یافته دیگر این پژوهش نیز به برتری عملکرد مدل های شبکه عصبی چندلایه پیش خور ( MFNN ) و شبکه عصبی فازی ( ANFIS ) مبتنی بر داده های تجزیه شده به کمک تجزیه موجک در ­ مقابل به کارگیری سطح داده ها دلالت دارد. در­این بین نیز برتری با مدل شبکه عصبی چندلایه پیش خور بوده است.

در این مقاله به منظور تعیین سهم عوامل اقلیمی موثر بر رخداد گردوغبار از دادههای مربوط به پارامترهای هواشناسی و شاخص های اقلیمی و برخی از نمایه های تغییر اقلیم استفاده شده است. نمایه های تغییر اقلیم با استفاده از نرم افزارClimPACT در محیط برنامه نویسی R 2.10 محاسبه شدند. در این تحقیق گردوغبارهای داخلی و خارجی از هم تفکیک و سپس به منظورتعیین سهم اهمیت هریک از عوامل در رخداد انها از اجراهای مختلف شبکه عصبی پرسپترون چند لایه استفاده گردید. در این بررسی70 درصد داده ها به عنوان داده ی آموزشی و30 درصد داده ها به عنوان داده ی تست وارد شبکه گردید. جهت ارزیابی دقت توابع مختلف، مجموع مربعات خطای داده های آموزشی، مجموع مربعات خطای داده های تست، خطای نسبی داده های آموزشی، خطای نسبی داده های تست و همچنین ضریب همبستگی بین مقادیر اندازه گیری شده و تخمین زده شده رخداد گردوغبار و عوامل اقلیمی با یکدیگر مقایسه گردید و در نهایت مدلی که کمترین میزان خطا و بیشترین ضریب همبستگی را نشان داد، به عنوان مدل بهینه انتخاب شد. نتایج نشان داد؛ 77 درصد گردوغبارها با منشاء خارج از ایستگاه و 33 درصد با منشاء اطراف ایستگاه ثبت شده است. . عامل متوسط حداقل رطوبت، بارش موثر و فراوانی رخداد باد و دو روز مرطوب متوالی به ترتیب بیشترین سهم اهمیت را در رخداد گردوغبارهای خارجی داشته اند.در رخداد گردوغبارهای داخلی و یا با منشاء اطراف ، متوسط رطوبت وسرعت باد 6 متربرثانیه، خشکسالی SPEIو باد با سرعت 15 متر بر ثانیه به ترتیب اهمیت قرار دارد.

در این مقاله به پژوهشی که برای ارزیابی کارایی مدل های شبکه عصبی در مدل سازی تصادفات بزرگراه های درون شهری انجام شده است پرداخته می شود. به عنوان مطالعه موردی از داده های تصادفات بزرگراه های شهری مشهد و از متغیرهای مربوط به جریان ترافیک و طرح هندسی راه به عنوان متغیرهای ورودی مدل ها برای مدل سازی با شبکه های عصبی استفاده می شود. مدل سازی با شبکه های عصبی شامل سه مرحله تعیین معماری شبکه عصبی، تعیین توابع انتقال، آموزش و خطا و ساخت مدل های شبکه عصبی می شود در این پژوهش، دو مدل شبکه عصبی برای برآورد شمار تصادفات مالی و جانی در بزرگراه های درون شهری ارائه شده است. برای ارزیابی کارایی و دقت مدل ها، به مقایسه شمار برآورد شده تصادفات توسط مدل ها با شمار مشاهده شده پرداخته و از مقدار Rاستفاده شده است. براین پایه، مدل های ارائه شده برای برآورد شمار تصادفات مالی و جانی مناسب است. از این رو می توان کارایی مدل های شبکه عصبی را در مدل سازی تصادفات مالی و جانی در بزرگراه های درون شهری ت أیید نمود.