مطالب مرتبط با کلیدواژه

شبکه عصبی مصنوعی


۱۶۱.

طراحی مدل پیش بینی احتمال سقوط یا ریزش قیمت سهام در بورس اوراق بهادار: رویکرد شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های مدیریت منابع سازمانی سال دوازدهم تابستان ۱۴۰۱ شماره ۲ 210-187

کلیدواژه‌ها: سقوط قیمت سهام مدل شبکه عصبی مصنوعی بورس اوراق بهادار

حوزه های تخصصی:
تعداد بازدید : ۲۶۲ تعداد دانلود : ۱۸۹
احتمال سقوط یا ریزش قیمت سهام در بورس اوراق بهادار از اهمیت فراوانی در تحلیل پرتفوی و قیمت گذاری دارایی های سرمایه ای برخوردار است و پیش بینی دقیق آن فرایندی پیچیده است. باتوجه به اهمیت و ضرورت پیش بینی خطرپذیری سقوط قیمت سهام در بورس اوراق بهادار، هدف این پژوهش، ارائه رویکردی احتمالی برای این پیش بینی با رویکرد «شبکه های عصبی مصنوعی» است. مدل های مبتنی بر این رویکرد که برگرفته از فرایند یادگیری مغز انسان هستند، با استفاده از سرعت محاسباتی رایانه، روابط هر چند پیچیده بین متغیرها را فراگرفته و از آنها برای پیش بینی مقادیر آتی متغیرها استفاده می کنند. نمونه پژوهش شامل داده های ۲۰ شرکت در دوره 10 ساله 1390 تا 1399 است. پژوهش حاضر توانمندی مدل های شبکه عصبی مصنوعی و تابع پیش بینی حاصل از آنها را جهت برآورد احتمال سقوط قیمت سهام در ایران مورد آزمون قرار می دهد . نتایج نشان داد که مدل های شبکه عصبی مصنوعی از عملکرد مناسبی برای برآورد احتمال ریزش قیمت سهام در بورس اوراق بهادار برخوردارند.
۱۶۲.

کاربرد رویکرد هوش مصنوعی در مطالعۀ تأثیر محرک های بزرگ مقیاس آب وهوایی بر بارش بلوچستان پاکستان(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و برنامه ریزی محیطی دوره ۳۳ پاییز ۱۴۰۱ شماره ۳ (پیاپی ۸۷) 1 - 20

کلیدواژه‌ها: شبکه عصبی مصنوعی شبکه عصبی منظم شده بیزین محرک آبوهوایی بزرگمقیاس تحلیل رگرسیونندگانه بارش دمای سطح دریا استان بلوچستان - پاکستان

حوزه های تخصصی:
تعداد بازدید : ۱۷۵ تعداد دانلود : ۱۲۴
  استان بلوچستان در کشور پاکستان اغلب به دلیل بارندگی کم در معرض خشکسالی های شدید قرار دارد. چندین نوع محرک آب وهوایی بزرگ مقیاس (LSCD) به دلیل تأثیرشان بر بارندگی در سراسر جهان شناخته شده اند، اما در منطقه بلوچستان مطالعاتی در این زمینه وجود ندارد. این مطالعه با هدف شناسایی LSCDهای معنا دار در بلوچستان و بهبود مهارت پیش بینی بارش ماهانه با استفاده از تجزیه و تحلیل مؤلفه اصلی (PCA)، شبکه عصبی مصنوعی (ANN)، شبکه عصبی منظم شده بیزین (BRNN) و تحلیل رگرسیون چندگانه (MRA) انجام شد. LSCDهای 12ماهه مانند Nino-1+2، Nino-3، Nino-3.4، Nino-4، QBO در 30 و 50 هکتوپاسکال (QBOI و QBOII)، دمای سطح دریا (SST)، دمای هوا (T2M)، ارتفاعات ژئوپتانسیل 500 و 850 هکتوپاسکال، سرعت مداری (500U) و نصف النهاری (V500 وV 850)، شار گرمای نهان و محسوس (LHFOL و SHFOL) و رطوبت ویژه در سطح (SSH) بررسی شدند. همچنین از مجموعه داده های سیستم جهانی جمع آوری داده های زمین (GLDAS)، اندازه گیری بارندگی استوایی (TRMM)، MERRA-2، NOAA و HadISST استفاده شد. نتایج نشان داد LSCDهای معنا دار در سطح اطمینان 99% شامل SSH، SST، LHFOL، SHFOL، T2M، U500، Nino-3.4 و Nino-4 بودند. در طول دوره آزمون، در مقایسه با مدل های MR با ضریب همبستگی 0.15 تا 0.49 و مؤلفه های اصلی با ضریب همبستگی 0.16- تا 0.43، مدل های ANN و BRNN به ترتیب مهارت های پیش بینی بهتری با ضرایب همبستگی 0.40 تا 0.74 و 0.34 تا 0.70 داشتند. نتایج بیانگر توان مدل های ANN و BRNN در پیش بینی بارش ماهانه بلوچستان با استفاده از LSCDهای دارای تأخیر است.
۱۶۳.

برآورد میزان تبخیر روزانه با استفاده از شبکه عصبی مصنوعی در شهرستان های شیراز و زرقان(مقاله علمی وزارت علوم)

نویسنده:
منبع: برنامه ریزی منطقه ای سال دوازدهم تابستان ۱۴۰۱ شماره ۴۶ 1 - 16

کلیدواژه‌ها: تبخیر شبکه عصبی مصنوعی تعمیم پذیری مدل شهرستان شیراز شهرستان زرقان

حوزه های تخصصی:
تعداد بازدید : ۱۷۲ تعداد دانلود : ۹۹
تبخیر یکی از مهمترین اجزای چرخه هیدرولوژی می باشد که نقش بسیار مهمی در مدیریت منابع آب و محیط زیست دارد. اطلاع از میزان هدر رفت آب در اثر فرآیند تبخیر در یک منطقه بالاخص در مناطق خشک و نیمه خشک که با کمبود منابع آب مواجه هستند، یکی از مهمترین اصول مدیریتی در برنامه ریزی منطقه ای است. هدف از انجام این تحقیق ارزیابی دقت روش شبکه عصبی مصنوعی در برآورد تبخیر روزانه در ایستگاه هواشناسی شهرستان شیراز و قابلیت تعمیم آن در ایستگاه هواشناسی شهرستان زرقان واقع در استان فارس می باشد. برای این منظور تعداد 1775 داده هواشناسی روزانه شامل دما، رطوبت نسبی، سرعت باد، ساعت آفتابی جمع آوری و مقدار تبخیر روزانه با استفاده از چهار مدل شبکه عصبی مصنوعی برآورد گردید. جهت مدل سازی در این تحقیق از شبکه عصبی پرسپترون چند لایه و تابع سیگموئیدی استفاده گردید. نتایج بدست آمده از چهار مدل شبکه عصبی مصنوعی بر اساس معیارهای ضریب تعیین (R2)، ضریب ناش-ساتکلیف (NSC) و مجذور میانگین مربعات خطا (RMSe) مورد ارزیابی قرار گرفتند. نتایج نشان داد که در ایستگاه هواشناسی شیراز مدل 4 با ساختار 1-6-5 نرون، دارای RMSe کمتر و R2 و NSC بالاتر در هر دو مرحله آموزش و آزمون نسبت به دیگر مدل ها می باشد و به عنوان مدل برتر جهت پیش بینی میزان تبخیر روزانه در شهرستان شیراز انتخاب گردید. نتایج حاصل از تعمیم پذیری مدل 4 با ساختار 1-6-5 در ایستگاه هواشناسی زرقان نیز نشان از دقت بالای این مدل در پیش بینی تبخیر روزانه در این ایستگاه دارد. بنابراین می توان از مدل 4 به عنوان مدل مناسب جهت پیش بینی مقادیر تبخیر روزانه در شهرستان زرقان برای دوره هایی که اندازه گیری تبخیر انجام نشده است، استفاده نمود.
۱۶۴.

مدل سازی و پیش بینی روند گسترش و توسعه ی فیزیکی شهر بجنورد(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های جغرافیای انسانی دوره ۵۴ زمستان ۱۴۰۱ شماره ۴ (پیاپی ۱۲۲) 1563 - 1585

کلیدواژه‌ها: تغییر کاربری زمین شبکه عصبی مصنوعی زنجیره مارکوف مدل سازی بجنورد

حوزه های تخصصی:
تعداد بازدید : ۳۶۲ تعداد دانلود : ۱۲۶
شهر بجنورد، در پی انتخاب به عنوان مرکز سیاسی-اداری استان خراسان شمالی در سال 1384، با رشد دوچندان جمعیت و تحولات جمعیتی مواجه شد. تمرکز مراکز اداری، نظامی، سیاحتی، فرهنگی و آموزشی در کنار مهاجرت بی رویه روستائیان به شهر، شهر را با نیازهای جدید توسعه شهری مواجه ساخت. گسترش فیزیکی شهر بیش ازپیش، تبدیل زمین های کشاورزی به شهری و ساخت وساز بی رویه، یکی از مسائل اصلی پیش روی شهر است. پژوهش حاضر با روش توصیفی-تحلیلی و با استفاده از روش اتوماتای سلولی توسط شبکه های عصبی مصنوعی پرسپترون و داده های سنجش ازدور، انجام شده است. تصاویر ماهواره ای مربوط به سال های 2011 و 2021 دشت بجنورد، مبنای بررسی قرار گرفت و به منظور به طورکلی الگوهای فضایی-زمانی کاربری زمین، از داده های آرشیو سنجش ازدور، استفاده شد. در راستای اهداف تحقیق، تصاویر مولتی اسپکتورال لندست 7 و لندست 8 در ارتباط با شهر بجنورد (path 161, row 034) دانلود شده است. باهدف افزایش اعتبار نتایج، نقشه های خروجی با نقشه های گوگل ارث، تطبیق داده شد. همچنین در طبقه بندی سال 2011 دقت کلی 86 و ضریب کاپا 81 و در سال 2021، دقت کلی 88 و ضریب کاپا 85 به دست آمد. یافته های اصلی شامل محاسبه و برآورد تغییرات کاربری زمین و سهم هر کاربری در سال های مبنای این تحقیق، مدل سازی و پیش بینی تغییرات کاربری زمین برای سال 2031 بر اساس ترسیم نقشه پتانسیل انتقال برای کاربری ها و تشکیل زنجیره مارکوف در کنار هشت عامل تأثیرگذار شیب، ارتفاع، فاصله از گسل، زمین های کشاورزی، راه های اصلی، شبکه برق اصلی، مناطق ساخته شده و قیمت زمین، است. نتایج نوشتار، تأییدکننده افزایش مناطق ساخته شده و کاربری های شهری و کاهش کاربری کشاورزی و مرتع در افق پیش بینی گسترش شهر بجنورد در سال 2031 است. بعلاوه به لحاظ ساختار فضایی، رشد مناطق ساخته شده عمدتاً در سه جبهه بجنورد-اسفراین، بجنورد-مشهد و بجنورد-آشخانه قابل مشاهده است. بدین ترتیب، انتظار می رود با شناسایی روند گسترش و توسعه فیزیکی شهر بجنورد، بتوان در مدیریت و برنامه ریزی این فرآیند، تأثیرگذار واقع شد.
۱۶۵.

پیش بینی سرمای دیررس بهاره با استفاده از شبکه ی عصبی پرسپترون چند لایه (MLP) و تاثیر آن در حمل و نقل شهر خرم آباد(مقاله علمی وزارت علوم)

نویسنده:
منبع: آمایش محیط سال هشتم بهار ۱۳۹۴ شماره ۲۸ 111 - 124

کلیدواژه‌ها: پیش بینی شبکه عصبی مصنوعی سرمای دیررس شهرخرم آباد

حوزه های تخصصی:
تعداد بازدید : ۸۶ تعداد دانلود : ۸۵
سیستم حمل و نقل درون شهری به عنوان ابزار مهم و موتور محرک، توسعه ی شهرها در اقتصاد محلی و منطقه ای به شمار می آید. چرا که اگر جوامع شهری امروز دارای امکانات و زیرساخت های مناسب حمل و نقل شهری نباشند، خسارات جبران ناپذیر اقتصادی را بر خود تحمیل می نماید. در این راستا اقلیم شناسان تلاش می کنند با تجزیه و تحلیل داده های یک یا چند متغییر اقلیمی در گذشته، به قوانین و مدل هایی دست یابند که بر این اساس، وضعیت اقلیم را در آینده پیش بینی کنند. شبکه های عصبی مصنوعی از مؤلفه های هوش مصنوعی است که امروزه به طور وسیع در زمینه مدل سازی و پیش بینی پارامترهای اقلیمی مورد استفاده قرار می گیرد. در این پژوهش، سعی شده با پیش بینی سرمای دیررس بهاره ایستگاه خرم آباد با استفاده از مدل پرسپترون چند لایه (MLP) به تاثیر آن برسیستم حمل و نقل شهری، ضمن آشکارسازی رخداد وقوع، نسبت به کاهش خسارات و اختلالات ناشی از آن به خودروها و تاسیسات زیرساختی حمل و نقل درون شهری و غیره زمینه ای ایجاد نمود تا تدابیر لازم اتخاذ گردد. به منظور دستیابی به این مهم از متغیرهای میانگین ماهانه حداقل و حداکثر دما، میانگین حداقل و حداکثر رطوبت نسبی، مجموع ساعات آفتابی و میانگین مجموع بارش ماهانه طی دوره آماری 28 ساله (2009-1981) جهت پیش بینی دماهای حداقل ماه های آوریل و می سال های 2010 تا 2012 و مقایسه آن با داده های واقعی استفاده گردید. جهت این کار از امکانات و توابع موجود در نرم افزار MATLAB بهره گرفته شد. سپس به بررسی شاخص های عملکرد شبکه از جمله ضریب تعیین و همبستگی و درصد خطای نسبی پرداخته شد. یافته ها بیانگر وقوع یخ بندان بهاره برای 80% احتمال و دوره برگشت 49/1 ساله روز 187 یعنی 7 فروردین ماه است. و حداکثر خطای این مدل با داده های واقعی کم تر از 10/0 درجه سلسیوس است که توانایی قابل توجه مدل شبکه عصبی مصنوعی در مدلسازی پیش بینی دماهای حداقل را نشان می دهد. بنابراین توجه به پدیده های اقلیمی از جمله یخ بندان بر مدیریت و توسعه حمل و نقل شهری تاثیر شایانی می گذارد و باید از نظر کارشناسان این امر در الویت دقت قرار گیرد.
۱۶۶.

سنجش و ارزیابی سطح توسعه یافتگی مناطق روستایی بخش مرکزی شهرستان فلاورجان: کاربرد تحلیل شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: آمایش محیط سال دوازدهم بهار ۱۳۹۸ شماره ۴۴ 179 - 200

کلیدواژه‌ها: توسعه روستا شبکه عصبی مصنوعی شبکه خود سازمانده فلاورجان

حوزه های تخصصی:
تعداد بازدید : ۱۱۹ تعداد دانلود : ۱۰۲
در برنامه ریزی های توسعه چه در سطح کلان و چه در سطح خرد، بدست آوردن شناخت و درک صحیح از تفاوت ها و اختلافات میان مناطق روستایی از نظر امکانات زیرساختی، اجتماعی، اقتصادی و زیست محیطی ضروری است به طوری که این شناخت می تواند به سیاست گذاران و تصمیم گیران در شناخت توانایی ها، تفاوت ها و میزان محرومیت مناطق روستایی کمک شایانی بکند تا بدین وسیله نیز توسعه متوازن در مناطق حکم فرما شود. لذا، بر این اساس، هدف پژوهش حاضر، سنجش سطح توسعه یافتگی مناطق روستایی شهرستان فلاورجان بود. پژوهش حاضر به روش پیمایش انجام گرفت. جامعه آماری پژوهش، روستاهای 20 خانوار به بالاتر بخش مرکزی شهرستان فلاورجان بود (26 روستا) که با استفاده از فرمول کوکران 376 خانوار در این روستاها انتخاب شدند. برای جمع آوری داده ها از پرسشنامه محقق ساخته و داده های ثانویه اتخاذ شده از شناسنامه آبادی سال 1390 استفاده شد. روایی صوری پرسشنامه توسط اعضای هیئت علمی مدیریت توسعه روستایی دانشگاه یاسوج و پایایی آن از طریق ضریب آلفای کرونباخ (65/0 تا 95/0) تأیید شد. برای سنجش و اولویت بندی توسعه یافتگی روستاها از 24 شاخص در چهار بعد اجتماعی- فرهنگی، اقتصادی، محیطی و کالبدی- زیرساختی استفاده شد. به منظور تجزیه تحلیل داده ها، ابتدا داده های خام هنجارسازی شدند و پس از آن با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه وزن هر یک شاخص ها به ترتیب بدست آمد. داده پردازی با استفاده از نرم افزار MATLABR2015a و SPSS22 انجام گرفت. یافته ها نشان داد که روستاهای جوجیل، جولرستان و زفره به ترتیب رتبه های اول تا سوم و روستاهای مهرنجان اتراک و مهرنجان در رتبه های آخر از لحاظ توسعه یافتگی قرار داشتند. نتایج کلی پژوهش حاکی از وضعیت نسبتا مطلوب توسعه یافتگی در روستاهای مورد مطالعه بود.
۱۶۷.

بررسی تأثیر گیمیفیکیشن بر رفتار خرید مصرف کنندگان با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۱۴ زمستان ۱۴۰۱ شماره ۴ 647 - 674

کلیدواژه‌ها: گیمیفیکیشن بازی وارسازی رفتار خرید مصرف کننده شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۳۶۷ تعداد دانلود : ۱۵۳
هدف: پژوهش حاضر با هدف بررسی تأثیر گیمیفیکیشن بر رفتار خرید مصرف کنندگان با استفاده از شبکه عصبی مصنوعی در دفاتر گردشگری شهر کرمانشاه اجرا شده است؛ زیرا یافتن راه کارهای نوآورانه جهت جلب رضایت مصرف کنندگان، همواره دغدغه کسب وکارها بوده است. روش: پژوهش از نظر هدف، توسعه ای کاربردی محسوب می شود و با رویکرد کمّی اجرا شده است. برای اجرای پژوهش از روش نیمه آزمایشی از نوع پیش آزمون پس آزمون و پیگیری با گروه آزمایش و کنترل استفاده شد. جامعه آماری، مشتریان دفاتر گردشگری شهر کرمانشاه و درخواست کننده سفر در سه ماهه نخست سال 1400 بودند. از بین آن ها 20 نفر به عنوان گروه آزمایش و 20 نفر به عنوان گروه کنترل انتخاب شد. ابزار گردآوری داده پرسش نامه استاندارد رفتار مصرف کننده کیم بود که روایی و پایایی آن به تأیید رسید. جهت تجزیه وتحلیل آمار توصیفی، از نرم افزار اس پی اس اس و جهت طراحی شبکه عصبی مصنوعی، از نرم افزار متلب استفاده شد. شبکه عصبی مصنوعی با روش توابع پایه شعاعی برای 70 درصد داده ها جهت آموزش و 30 درصد جهت آزمون طراحی شد. یافته ها: یافته های به دست آمده نشان داد که اجرای گیمیفیکیشن، به تغییر رفتار خرید گروه آزمایش منجر شده است؛ در حالی که رفتار خرید گروه کنترل تغییر پیدا نکرده است. به کمک شبکه عصبی مصنوعی طراحی شده، می توان رفتار خرید مصرف کنندگان را بر اساس 9 متغیر ورودی پیش بینی کرد. همچنین این شبکه قادر است تمامی داده های جدید احتمالی را نیز به درستی پیش بینی کند و در این راستا استفاده شود. نتیجه گیری: برای پیش بینی رفتار مصرف کنندگان، روش های نوین، از جمله گیمیفیکیشن، باید به عنوان ابزاری کاربردی برای بازاریابان و کارشناسان فروش به کار رود.
۱۶۸.

ارزیابی عملکرد مراکز آموزشی با استفاده از شبکه عصبی مصنوعی (مورد مطالعه: یکی از سازمان های دولتی کشور)(مقاله علمی وزارت علوم)

نویسنده:
منبع: آموزش و توسعه منابع انسانی سال نهم پاییز ۱۴۰۱ شماره ۳۴ 163-191

کلیدواژه‌ها: ارزیابی عملکرد شبکه عصبی مصنوعی سازمان دولتی مراکز آموزشی

حوزه های تخصصی:
تعداد بازدید : ۳۰۰ تعداد دانلود : ۱۹۱
هدف پژوهش حاضر طراحی مدل ارزیابی عملکرد مراکز آموزشی یکی از سازمان های دولتی کشور با استفاده از شبکه عصبی مصنوعی می باشد. این مقاله یک پژوهش ارزشیابی برای ارزیابی عملکرد مراکز آموزش سازمانی دولتی است. اطلاعات مورد نیاز این تحقیق از طریق کانال های موازی اطلاعات مثل استفاده از اسناد و مدارک مراکز آموزشی زیر مجموعه سازمان و مراجعه به اسناد و مدارک آنها با حفظ مراتب طبقه بندی جمع آوری شد. جامعه آماری مورد مطالعه این پژوهش 5 مرکز آموزشی یکی از سازمان های دولتی که برای حدود 10 هزار نفر پرسنل در بین سالهای 1392 الی 1399 دوره های آموزشی برگزار می کنند، می باشد؛ براساس نظر خبرگان و نتایج مطالعات مرتبط ورودی و خروجی های پژوهش انتخاب و تعیین گردید. جهت کاهش متغیرهای ورودی و خروجی، از روش مدل سازی معادلات ساختاری - حداقل مربعات جزئی و به منظور آموزش شبکه عصبی دولایه MLP از روش آموزش پس از انتشار خطای ارتجاعی استفاده گردید، پس از آموزش شبکه عصبی، عملکرد شبکه عصبی با استفاده از الگوهای تست، مورد بررسی قرار گرفت. مقدار(میانگین مجذور خطا) MSE مربوط به 13 الگوی تست برابر. 43/7413 که نشان دهنده دقت بالای شبکه آموزش داده شده است، در نهایت عملکرد مراکز آموزشی بر اساس داده های تجزیه و تحلیل شده مورد رتبه بندی قرار گرفت.
۱۶۹.

مدلسازی نقش عوامل خود رهیابی و سواد رسانه ای در طفره روی مجازی دانشجویان با رویکرد شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات برنامه درسی آموزش عالی سال سیزدهم پاییز و زمستان ۱۴۰۱ شماره ۲۶ 7 - 32
تعداد بازدید : ۱۵۶ تعداد دانلود : ۱۳۹
پژوهش حاضر با هدف مدلسازی نقش خود رهیابی و سواد رسانه ای در طفره روی مجازی انجام گرفت. این پژوهش از نظر راهبرد اصلی، کمی و از نظر تکنیک تحلیلی، توصیفی- همبستگی بود. جامعه آماری این مطالعه شامل دانشجویان تحصیلات تکمیلی بود. روش نمونه گیری از نوع در دسترس بود. حجم نمونه با توجه به مدل کرجسی- مورگان و با در نظر گرفتن خطای 05/0 =α، 620 نفر در نظر گرفته شد. برای جمع آوری داده ها از پرسشنامه طفره روی مجازی بلا و همکاران (2006) (با پایایی 89/0=α)، پرسشنامه محقق ساخته خودرهیابی (با پایایی 95/0=α) و پرسشنامه سواد رسانه ای فلسفی (1393) (با پایایی 86/0=α)، استفاده شد. روایی محتوایی ابزارها با اعمال نظر ده نفر از خبرگان یادگیری الکترونیکی تأیید گردید. داده ها با رویکرد شبکه عصبی مصنوعی با روش پرسپترون چندلایه (MPL) تحلیل شد. نتایج نشان داد مدلسازی عوامل خودرهیابی و سواد رسانه ای در طفره روی مجازی دانشجویان دارای یک لایه ورودی با ده گره و یک لایه پنهان با چهار گره است و شبکه عصبی مصنوعی به خوبی قادر است پرش ها و روند طفره روی مجازی دانشجویان را از روی این دو متغیر و خرده مقیاس هایشان؛ پیش بینی نماید. تمامی ضریب های تاثیر لایه پنهان بر لایه خروجی در شبکه عصبی؛ منفی به دست آمده و از اینرو هرچه دانشجویان دارای مهارت خودرهیابی و سوادرسانه ای بالاتری باشند، کمتر به رفتار طفره روی مجازی می پردازند و بالعکس. بر این اساس می توان دریافت،  میزان سواد رسانه ای و خودرهیابی دانشجویان متغیرهایی هستند که توان پیش بینی میزان طفره روی مجازی دانشجویان را دارند. 
۱۷۰.

بازشناسی حالات هیجانی با استفاده از شبکه عصبی کانولوشنال فازی مبتنی بر الکتروانسفالوگرافی در باندهای مختلف(مقاله علمی وزارت علوم)

نویسنده:
منبع: تازه های علوم شناختی سال ۲۴ زمستان ۱۴۰۱ شماره ۴ (پیاپی ۹۶) ۱۱۴-۱۰۲
تعداد بازدید : ۹۶ تعداد دانلود : ۵۹
مقدمه: احساسات پدیده های متغیر با زمانی هستند که به عنوان پاسخی به محرک ها ایجاد می شوند. در راستای تشخیص احساس به صورت پیوسته می توان از پاسخ سیگنال های مغزی و حالت های چهره به محرک ویدیویی استفاده کرد. به این صورت که مجموعه ای از فیلم های محرک برای بینندگان به نمایش گذاشته می شود و همزمان سیگنال های مغزی و حالت های چهره آنها به طور پیوسته ضبط می گردد و سطح ظرفیت آنها (احساسات منفی تا مثبت) ثبت می شود. روش کار: هدف از این پژوهش، شناخت احساسات انسانی با استفاده از تحلیل سیگنال های الکتروانسفالوگرافی بود. در این مطالعه، برای تشخیص احساسات با استفاده از شبکه عصبی کانولوشنال فازی که ویژگی های بهینه و موثر را خود از سیگنال الکتروانسفالوگرافی انتخاب می کند جهت تشخیص و بازشناسی حالات هیجانی افراد مختلف ارائه می شود. در روش پیشنهادی ابتدا سیگنال الکتروانسفالوگرافی به باندهای مختلف آلفا، بتا و گاما تجزیه شده و سپس عمل تشخیص هوشمند انجام خواهد شد. یافته ها: نتایج آزمایشات نشان می دهد که حالت آرامش و خستگی در باند آلفا بهتر و به ترتیب با دقت 2/94 درصد و 8/78 درصد بازشناسی می شود. در باند گاما شادی بهتر و با دقت 2/92 درصد شناسایی می شود و در نهایت در باند بتا، ترس با دقت 3/92 درصد بازشناسی خواهد شد. نتیجه گیری: دیده می شود که مدل پیشنهادی با استفاده از شبکه عصبی کانولوشنال از دقت بالایی در بازشناسی احساسات برخوردار است همچنین استفاده از منطق فازی در روش پیشنهادی دقت بازشناسی را در کلیه باندها بالا برده است.
۱۷۱.

ایجاد سیستم تصمیم یار بالینی برای پیش بینی پوکی استخوان(مقاله پژوهشی وزارت بهداشت)

نویسنده:
منبع: مدیریت سلامت دوره ۲۱ زمستان ۱۳۹۷ شماره ۷۴ ۱۰۰-۸۷

کلیدواژه‌ها: پوکی استخوان عوامل خطر بالینی شبکه عصبی مصنوعی تصمیم یار

حوزه های تخصصی:
تعداد بازدید : ۱۵۳ تعداد دانلود : ۱۰۷
مقدمه: پوکی استخوان بیماری رایجی در زنان است. شکستگی ها آسیب های جبران ناپذیری ایجاد می کنند. بنابراین، تشخیص زودهنگام این بیماری و شروع درمان قبل از رخ دادن شکستگی مسئله مهمی است. هدف مطالعه حاضر، ایجاد یک سیستم تصمیم یار بالینی مبتنی بر شبکه های عصبی مصنوعی با قابلیت تشخیص ابتلا به پوکی استخوان بود. روش کار: مطالعه حاضر از نوع توسعه ای بود که بصورت مقطعی در نیمه دوم سال ۱۳۹۶ انجام شد. در پژوهش حاضر، ابتدا با شناسایی متغیرهای تاثیرگذار، پرسش نامه نظرسنجی برای انتخاب مهم ترین عوامل بالینی تهیه شد. اطلاعات ۲۵۶ نفر از زنان و تراکم استخوان پنج سال بعد از ثبت اولیه مربوط به زنان مراجعه کننده به واحد سنجش تراکم استخوان دانشگاه علوم پزشکی بوشهر برای آموزش شبکه استفاده شد. برای یافتن بهترین شبکه از روش آزمون و خطا استفاده شد. همچنین، شبکه با الگوریتم های گرادیان مزدوج و لونبرگ-مارکوارت آموزش داده شد. ارزیابی بر اساس ماتریس آشفتگی و معیار های حساسیت، ویژگی و صحت انجام گرفت. یافته ها: در مرحله اول از ۱۵ ویژگی ضروری از نظر پزشکان، مصرف الکل، انحنای پشت و برداشتن رحم، حذف و ۱۲ متغیر انتخاب شدند. سپس، شبکه عصبی پرسپترون چند لایه طراحی شد. نتایج نشان داد که الگوریتم گرادیان مزدوج با ۱۰ نرون و الگوریتم لونبرگ-مارکوارت با ۱۲ نرون در لایه مخفی بهترین ساختار شبکه را دارند. علاوه بر آن ، مقایسه صحت نشان داد که در مجموع الگوریتم لونبرگ-مارکوارت نتایج بهتری داشت. بهترین نتیجه به دست آمده حساسیت، ویژگی و صحت به ترتیب ۱/۸۳، ۴/۸۹ و ۳/۸۶ بود. نتیجه گیری: در مطالعه حاضر، با تمرکز بر داده های بومی ابزاری توسعه داده شد که می تواند در زمینه پیگیری بیماری پوکی استخوان بسیار موثر باشد. استفاده از این ابزار برای ارجاع به موقع افراد بیمار و شروع درمان می تواند از رخ دادن شکستگی عوارض جبران ناپذیر پوکی استخوان جلوگیری کند.
۱۷۲.

پیش بینی حوادث ترافیکی بر اساس وضعیت آب وهوا در استان گیلان با استفاده از شبکه عصبی مصنوعی(مقاله پژوهشی وزارت بهداشت)

نویسنده:
منبع: مدیریت سلامت دوره ۲۴ پاییز ۱۴۰۰ شماره ۸۵ ۷۸-۶۷

کلیدواژه‌ها: پیش بینی حوادث ترافیکی شبکه عصبی مصنوعی سلامت در بلایا مدیریت سلامت

حوزه های تخصصی:
تعداد بازدید : ۱۷۰ تعداد دانلود : ۱۴۹
مقدمه: حوادث ترافیکی یکی از دلایل اصلی مرگ ومیر در سراسر جهان از جمله ایران محسوب می شود. عوامل متعددی در بروز حوادث ترافیکی نقش دارند که با استفاده از مدل های مختلف می توان این عوامل را شناسایی و بروز حوادث ترافیکی را پیش بینی کرد. هدف این مطالعه پیش بینی حوادث ترافیکی بر اساس وضعیت آب وهوا با استفاده از شبکه عصبی مصنوعی می باشد. روش ها: پژوهش حاضر به روش کمی بین سال های 1393 تا 1396 انجام شد که داده های ترافیکی طی با استفاده از شبکه پرسپترون چندلایه بررسی شد. متغیرهای ورودی شبکه شامل حداقل دما، میانگین دما، متوسط بارش، حداکثر سرعت باد، یخبندان، فشار هوا، غلظت مه و متغیر خروجی نیز تعداد تصادفات در محیط موردمطالعه بود. یافته ها: شبکه طراحی شده، با هفت نورون در لایه ورودی، چهار نورون در لایه میانی و یک نورون در لایه خروجی با تابع بهینه سازی لونبرگ-مارکواردت و تابع انتقال تانژانت سیگموئید در لایه میانی و تابع انتقال خطی در لایه خروجی به عنوان شبکه بهینه انتخاب شد. یافته ها نشان داد که شبکه طراحی شده با ضریب همبستگی (R= 0.90) و میانگین مربع خطا (MSE= 0.01) توانایی بالایی در پیش بینی حوادث ترافیکی دارد. نتیجه گیری: با توجه به اهمیت پیش بینی حوادث ترافیکی و نقش آن جهت ارتقای سلامت افراد جامعه، نتایج حاصل از این مطالعه می تواند جهت گسترش اقدامات پیشگیرانه مؤثرتر برای سیاست گذاران و محققان قابل استفاده باشد. با توجه به نتایج بدست آمده شبکه عصبی کارایی خوبی برای پیش بینی کوتاه مدت جریان ترافیک از خود نشان داده است.
۱۷۳.

مطالعه روند تغییرات فرین های دمای شهرهای منتخب با استفاده از مدل شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های بوم شناسی شهری سال ۱۳ پاییز ۱۴۰۱ شماره ۳ (پیاپی ۲۸) 135 - 154

کلیدواژه‌ها: فرین دما شبکه عصبی مصنوعی مدل انفیس روند تغییرات مرکز ایران

حوزه های تخصصی:
تعداد بازدید : ۱۴۵ تعداد دانلود : ۱۲۳
هدف از تحقیق حاضر مطالعه و پیش بینی دماهای حدی مخاطره آمیز، در بعضی از شهرهای مرکزی ایران می باشد که برای این کار از داده های حداقل و حداکثر دما پانزده ایستگاه هواشناسی (شهرهای: اصفهان، شهرضا، نطنز، نائین، اردستان، سمنان، شاهرود، گرمسار، دامغان، یزد، بافق، گاریز، میبد، قم و سلفچگان) در منطقه مورد مطالعه برای بازه زمانی (2019 - 1999) با استفاده از روش نوآورانه مدل های شبکه عصبی مصنوعی هیبرید و شبکه عصبی تطبیقی ANFIS انجام شد و در نهایت برای اولویت سنجی مناطق بیش تر در معرض افزایش دما، از مدل های تصمیم گیری چند متغیره نوین تاپسیس و ساو استفاده شد. نتایج پژوهش نشان داد که با توجه به مدل سازی صورت گرفته براساس مدل شبکه عصبی تطبیقی ANFIS برای پیش بینی فرین های دمای ایستگاه ها، کم ترین میانگین خطای آموزشی و میانگین خطای اعتبارسنجی برای حداقل دما به ترتیب با مقدار 01/0 برای ایستگاه یزد و 66/1 درصد برای ایستگاه دامغان به دست آمد. و کم ترین میانگین خطای آموزشی و میانگین خطای اعتبارسنجی برای حداکثر فرین دمای به ترتیب با مقدار 016/0 برای ایستگاه گرمسار و 39/9 درصد برای ایستگاه شاهرود به دست آمد. حداکثر فرین دمای براساس مدل تاپسیس دو ایستگاه گرمسار و بافق به ترتیب با درصد 1 و 96/0، در اولویت بیش تر در افزایش دما قرار خواهند داشت و براساس مدل ساو دو ایستگاه گرمسار و سلفچگان به ترتیب با درصد 1 و 98/0، بیش ترین احتمال را در معرض افزایش دما را به خود اختصاص دادند.
۱۷۴.

طبقه بندی و گونه شناسی سفال های عصر آهن II به دست آمده از کاوش های باستان شناسی قره تپه سگز آباد قزوین به کمک توابع شعاع، تانژانت و انحنای (RTC) منحنی لبه خارجی سفال(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهه باستان سنجی سال هشتم پاییز و زمستان ۱۴۰۰۱ شماره ۲ (پیاپی ۱۶) ۱۶۳-۱۴۷

کلیدواژه‌ها: سفال عصر آهن II توابع RTC طبقه بندی شبکه عصبی مصنوعی گونه شناسی

حوزه های تخصصی:
تعداد بازدید : ۱۳۸ تعداد دانلود : ۱۴۸
یکی از اساسی ترین پژوهش ها در بررسی های میدانی و کاوش های علمی باستان شناسی، ارائه یک توصیف کمّی و کیفی دقیق از ویژگی های هندسی قطعات سفالی است. این توصیفات در قالب مفاهیم طبقه بندی و گونه شناسی سفال های یک دوره تاریخی مطرح شده است و از آن ها به منظور بررسی ساختارهای فرهنگی و اجتماعی آن دوره استفاده می شود. امروزه، بیشتر مطالعات انجام شده در این زمینه به کمک روش های رقومی و مدل سازی های ریاضی صورت می گیرند. در این پژوهش نیز به بررسی امکان استفاده از روش ها و الگوریتم های ریاضی در طبقه بندی و گونه شناسی سفال های باستانی پرداخته می شود. آنچه در وهله اول حائز اهمیت است، معرفی مجموعه ای از ویژگی های هندسی برای منحنی لبه خارجی سفال است که در قالب توابع RTC به الگوریتم ها معرفی می شوند. این توابع ویژگی های یکتا و منحصربه فردی را برای هر منحنی لبه خارجی نشان می دهند که از آن ها در طبقه بندی و گونه شناسی سفال ها استفاده می شود. طبقه بندی نمونه ها به کمک شبکه عصبی مصنوعی و بر اساس توابع RTC انجام شده است که در آن نمونه ها با دقت حدود 95درصد و در سه طبقه کاسه، کوزه و خمره قرار می گیرند. شبکه عصبی طراحی شده یک شبکه سه لایه با یک لایه پنهان است که شامل دو نورون می شود. خروجی شبکه کدهای رقومی صفر، یک و دو هستند که به ترتیب به لبه های کاسه، کوزه و خمره اشاره می کنند. در ادامه، با تصحیح نمونه های خطادار و از مجموع 209 طرح سفال، 128 نمونه در طبقه کاسه ها (61.2درصد نمونه ها)، 42 نمونه در طبقه کوزه ها (20.1درصد نمونه ها) و 39 نمونه در طبقه خمره ها (18.7درصد نمونه ها) قرار می گیرند. پس از انجام طبقه بندی، گونه شناسی نمونه های موجود در هر طبقه نیز به کمک الگوریتم خوشه بندی اتصال همسایگی صورت گرفته که در آن فرم لبه های موجود در طبقات کاسه ها، کوزه ها و خمره ها به ترتیب در 83، 22 و 27 تیپ از یکدیگر متمایز می شوند. دقت روش گونه شناسی سفال ها نیز بین 95درصد تا 97 درصد ارزیابی می شود.
۱۷۵.

سیاستگذاری سیستم های مالی در شرایط بحران با مدل سازی مبتنی بر شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت مالی سال ۱۲ تابستان ۱۴۰۱ شماره ۳۸ 103 - 129

کلیدواژه‌ها: بحران مالی سیاستگذاری مدل سازی شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۱۰۳ تعداد دانلود : ۹۰
امروزه سیاستگذاری در شرایط بحران مالی با هدف خنثی سازی تبعات سوء اقتصادی، اجتماعی و سیاسی به یکی از مهم ترین ارکان مدیریت اقتصاد جهانی تبدیل شده است. با عنایت به پیشرفت سریع فناوری و تکنولوژی ها ی کامپیوتری می توان الگوی دقیق تری از این پدیده بر اساس تجربیات قبلی ترسیم و در قالب یک سیستم پشتیبان تصمیم گیری مورد استفاده قرار داد. با تکیه بر قابلیت تعمیم دهی مدل های شبکه عصبی مصنوعی، این رویکرد به منظور مدل سازی دینامیک های موجود در پدیده بحران مالی مورد استفاده قرار گرفته است. متغیرهای وضعیت اقتصادی، تولید ناخالص داخلی، شاخص ارزش صادرات، شاخص ارزش واردات، موقعیت زمانی و موقعیت جغرافیایی هر کشور در هنگام وقوع بحران مالی به عنوان ورودی های مدل شبکه عصبی مصنوعی و ترکیب بهینه سیاست ها برای مقابله با بحران مالی به عنوان خروجی مدل تعریف شده است. به منظور آموزش این شبکه، از اطلاعات مشخصات و شرایط حاکم بر سیستم ها و نیز سیاست های اتخاذ شده در مواجهه با بحران های مالی بزرگ دنیا از سال 1997 تا به امروز استفاده شده است. به منظور نشان دادن قابلیت مدل پیشنهادی، نحوه طراحی و پیاده سازی سیستم پیشنهادی در مورد بحران شیوع ویروس کووید-19 در ایران مورد کاوی شد. نتایج به دست آمده بیانگر آن می باشد که استفاده از مدل پیشنهادی به عنوان پشتیبان سیاستگذاران و تصمیم گیران حوزه های مدیریت مالی می تواند در حل مسائل نیمه ساختار یافته کمک کننده باشد و موجب بهبود کارایی تصمیم گیری و توجه بیشتر به اثر بخشی آن شود. به طوری که با توجه به نتایج حاصل از پژوهش حاضر، اتخاذ سیاست های پولی و مالی انبساطی و اعطای بسته های حمایتی به عنوان راهکارهای اساسی جهت کاهش اثرات بحران مالی ناشی از همه گیری کرونا در کشور ایران توصیه می شود.
۱۷۶.

پیش بینی قصد خرید اخلاقی محصولات پایدار در مدل کسب وکار دایره ای از طریق رفتار مشتریان/گردشگران با استفاده از شبکه عصبی مصنوعی(ANN)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات مدیریت گردشگری سال ۱۸ تابستان ۱۴۰۲ شماره ۶۲ 203-240

کلیدواژه‌ها: مدل کسب وکار دایره ای رفتار مشتریان قصد خرید اخلاقی رستوران گارگوپ شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۱۱۱ تعداد دانلود : ۱۳۱
هدف اصلی پژوهش حاضر این است که قصد خرید اخلاقی محصولات پایدار در مدل کسب وکار دایره ای را از طریق رفتار مشتریان/گردشگران با استفاده از شبکه عصبی مصنوعی(ANN) پیش بینی کند. جامعه آماری پژوهش حاضر، مشتریان/گردشگرانی هستند که از محصولات/ خدمات رستوران گارگوپ استفاده نموده اند. نمونه گیری بر اساس جدول مورگان انجام شده و 384 نفر از طریق پرسشنامه مورد بررسی قرار گرفته اند. نتایج حاکی از آن است که هر قدر متغیرهای ورودی شامل نگرش(تمایل به پرداخت پول بیشتر، نگرش نسبت به مدل های کسب و کار دایره ای) ارزش درک شده(ارزش اجتماعی، ارزش عملکردی و ارزش و آگاهی(آگاهی از محصول/خدمت اخلاقی و آگاهی از برند) مقدار بالاتری داشته باشند، انتظار می رود قصد خرید اخلاقی نیز قوی تر باشد. پژوهش حاضر با بررسی عوامل رفتاری مشتریان به مجموعه ادبیات مربوط به مدل های کسب وکار دایره ای و همچنین توسعه پایدار کمک می کند.
۱۷۷.

اعتباریابی عوامل مؤثر بر مدیریت ترومای سازمانی نو معلمان با رویکرد شبکه عصبی مصنوعی (ANN)(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش در نظام های آموزشی دوره ۱۶ زمستان ۱۴۰۱ شماره ۵۹ 5 - 19

کلیدواژه‌ها: مدیریت ترومای سازمانی نومعلمان شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۱۱۹ تعداد دانلود : ۱۱۹
مدیریت ترومای سازمانی یک بحران بهداشت عمومی نادیده گرفته شده است در حالی که به نظر میرسد موضوع بسیار مهمی باشد که باید به درستی مورد بررسی قرار گیرد. پژوهش حاضر با هدف اعتباریابی عوامل مؤثر بر مدیریت ترومای سازمانی نو معلمان با رویکرد شبکه عصبی مصنوعی (ANN) انجام شد. روش پژوهش حاضر از نظر راهبرد کمی و از نظر تکنیک توصیفی – همبستگی بود. جامعه آماری پژوهش نو معلمان استان گیلان، البرز و تهران با جمعیت 15000 نفر بود. از این جامعه نمونه ای به حجم 375 نفر به روش نمونه گیری خوشه ای چند مرحله ای انتخاب شدند. جهت جمع آوری داده ها از پرسشنامه محقق ساخته (1401) استفاده شد. به منظور تحلیل داده ها از شبکه عصبی مصنوعی با روش پرسپترون چند لایه (MLP) با استفاده از نرم افزار SPSS25 استفاده شد. یافته ها نشان داد مدیریت ترومای سازمانی دارای یک لایه ورودی با 21 گره و یک لایه پنهان با 9 گره است که توانمندسازی روانشناختی بیشترین تأثیر و ایمن سازی روانی کمترین ضریب اهمیت را در مدیریت ترومای سازمانی را در بر می گیرد. با توجه به بررسی های صورت گرفته، بحران های روانشناختی در سازمان ها به یک تجربه رایج برای مدیران و کارکنان در سراسر جهان تبدیل شده است. برخی از این بحران ها نشانه هایی از تجربه آسیب زا را نشان می دهند. اگر به درستی مدیریت نشود به نظر میرسد که تجربه آسیب جمعی در قالب بسیاری از عوامل سازمانی بروز می دهد که منجر به رفتار نارکارآمد در سازمان می شود.
۱۷۸.

کاربرد الگوریتم ژنتیک در بهینه سازی معماری شبکه عصبی و پیش بینی قیمت نفت (GADDN)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات اقتصادی کاربردی ایران سال ۵ زمستان ۱۳۹۵ شماره ۲۰ 97 - 122

کلیدواژه‌ها: پیش بینی قیمت نفت شبکه عصبی مصنوعی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۸۹ تعداد دانلود : ۷۷
پیش بینی صحیح قیمت نفت نقش مهمی را در هدایت سیاست های پولی کشورهای مختلف ایفا می کند. اهمیت این نقش به طور مشهود در کشورهای واردکننده و صادرکننده نفت به چشم می خورد. در این مقاله از الگوریتم ژنتیک برای بهینه سازی معماری و ساختار شبکه عصبی مصنوعی بهره برده ایم. در طی فرآیند بهینه سازی، وزن ها، بایاس و ساختار شبکه عصبی محاسبه می شوند تا بدین طریق از پیچیدگی های ناشی استفاده از شبکه عصبی مصنوعی در پیش بینی کاسته گردد. برای بررسی عملکرد مدل شبکه عصبی اصلاح شده با الگوریتم ژنتیک (GADNN) از آن برای پیش بینی قیمت نفت اینترمدیت وست تگزاس (WTI) در سال 2012 تا انتهای 2015 استفاده می شود. نتایج پژوهش نشان دهنده عملکرد بهتر و دقت بیشتر مدل پیشنهادی پژوهش حاضر در مقایسه با سایر مدل های شبکه عصبی مصنوعی در پیش بینی قیمت نفت می باشد.
۱۷۹.

ارزیابی رضایت مندی شهروندان از سیستم حمل و نقل درون شهری همدان(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات برنامه ریزی سکونتگاه های انسانی دوره ۱۳ زمستان ۱۳۹۷ شماره ۴ (پیاپی ۴۵) 933 - 950
تعداد بازدید : ۷۰ تعداد دانلود : ۴۲
حمل و نقل یکی از مهم ترین زیربناهای تشکیل دهنده زندگی شهری است که شکل و چگونگی توسعه اجتماعی و اقتصادی شهر را تعیین می کند. در این راستا، بررسی کیفیت حمل و نقل شهر همدان که می تواند در توسعه آن بسیار مفید باشد؛ مورد توجه قرار گرفت. جهت ارزیابی میزان رضایتمندی شهروندان از سیستم حمل و نقل از مدل رگرسیون غیرخطی و شبکه عصبی مصنوعی استفاده شد. بدین منظور ابتدا با تدوین پرسش نامه ای که بر اساس سه شاخص اصلی (وضعیت تجهیزات و تأسیسات، وضعیت ساختار کالبدی و وضعیت مدیریت و شیوه خدمات رسانی) پایه ریزی گردید؛ دیدگاه شهروندان جمع آوری شد. سپس با اتحاذ این شاخص ها به عنوان متغیر مستقل و میزان رضایت مندی به عنوان متغیر وابسته، یک مدل رگرسیون غیرخطی اجرا شد. میزان همبستگی و جذر میانگین مربعات خطای خروجی از این مدل به ترتیب به مقدار 914/0 و 334/0 مقدار بدست آمد. در رویکردی دیگر با استفاده از شبکه عصبی مصنوعی، یک مدل با ساختار سه نرون ورودی، یک لایه پنهان و یک نرون خروجی پایه ریزی شد. همبستگی خروجی این مدل به مقدار 998/0 مقدار و جذر میانگین مربعات خطای آن در حدود 6 برابر کمتر از مدل رگرسیونی محاسبه شد. نتایج نشان دادند که مدل شبکه عصبی با تخمین توأمان روابط خطی و غیرخطی، از انعطفاف پذیری و قابلیت مناسب تری نسبت به رگرسیون غیرخطی برخوردار است. از طرفی شاخص های قیمت گذاری با ضریب (853/0)، برابری و رفاه با (795/0) و کاهش تقاضای سفر با (790/0) مقدار، اثرگذارترین شاخص ها در رضایت مندی شهروندان از شبکه حمل و نقل شهری هستند.      
۱۸۰.

سازگاری حرارتی به عنوان شاخص نهایی سنجش کیفیت سایه اندازی سایبانهای خارجی؛ نمونه مورد مطالعه: ساختمان مسکونی در شیراز(مقاله علمی وزارت علوم)

نویسنده:
منبع: هنرهای زیبا - معماری و شهرسازی دوره ۲۷ پاییز ۱۴۰۱ شماره ۳ 5 - 17

کلیدواژه‌ها: سیستم سایبان پارامتریک تکنیک نمونه برداری LHS شبکه عصبی مصنوعی بهینه سازی چند هدفه سازگاری حرارتی

حوزه های تخصصی:
تعداد بازدید : ۱۴۷ تعداد دانلود : ۱۰۱
سایبان های خارجی یکی از اجزای بسیار مهم و کاربردی در طراحی معماری پایدار به ویژه در اقلیم های گرم هستند که تاثیر زیادی بر کنترل مصرف منابع انرژی برای کاربردهایی چون بار حرارتی، نور روز و آسایش حرارتی دارند که به نظر می رسد کمتر تحقیقی در مورد تاثیر کیفیت سایه اندازی بر این عملکردها به ویژه بر سازگاری حرارتی انجام شده باشد. برای این منظور، این مقاله با کمک برداشت های میدانی از یک ساختمان مسکونی در شیراز و شبیه سازی و اعتبار سنجی آن و سپس تولید یک سایبان پارامتریک خلاقانه با قابلیت تولید سایه اندازی های متنوع و در نهایت با استفاده از تکنیک نمونه برداری LHS و همچنین استفاده از شبکه عصبی مصنوعی و بهینه سازی چند هدفه با الگوریتم NSGA III توانسته است نمونه های سایبانی بهینه ای را تولید کند که در نهایت بر مبنای میزان سازگاری حرارتی طبقه بندی شده اند. این طبقه بندی نشان می دهد که در سایبان های بهینه با وجود اینکه شاخص های نور روز در محدوده استاندارد هستند و می توانند 53% تا 73% در بار سرمایشی و 8% تا 10% نیز در بار گرمایشی صرفه جویی ایجاد کنند اما مدت زمان تامین آسایش حرارتی توسط آنها بین 4 تا 8 ماه متغیر است که این خود نشان دهنده اهمیت تاثیر کیفیت سایبان ها بر آسایش حرارتی است.