مطالب مرتبط با کلیدواژه

روش وارد


۱.

بررسی و شناسایی الگوهای سینوپتیکی تراز 500 هکتوپاسکال مولد سیلاب های مخرب و فراگیر سطح حوضه آبریز دریاچه ارومیه

کلیدواژه‌ها: تحلیل عاملی حوضه آبریز دریاچه ارومیه تجزیه خوشه ای آستانه سیل روش وارد الگوی سینوپتیکی تراز 500 هکتوپاسکال

حوزه‌های تخصصی:
تعداد بازدید : ۱۷۹۱ تعداد دانلود : ۸۲۰
سیل یکی از مخاطرات محیطی است که هر ساله خسارات فراوانی به بار می-آورد. از آنجا که اغلب ویژگی های محیطی را می توان در ارتباط با الگوهای گردشی تبیین کرد، بررسی و تعیین الگوهای سینوپتیکی مولد سیلاب های مخرب و فراگیر اهمیت و ضرورت خاصی می یابد. در این مطالعه، پس از تعیین آستانه سیلاب های مخرب و فراگیر، داده های ارتفاعی تراز 500 هکتوپاسکال برای 44 طوفان مولد سیل در حوضه آبریز دریاچه ارومیه (22 ایستگاه) (171 روز سیلابی) طی دوره (1384-1370) با استفاده از روش تحلیل عاملی و تکنیک خوشه بندی سلسله مراتبی وارد در محیط نرم افزار آماری SPSS تجزیه و تحلیل شد. و نهایتاً هفت الگوی سینوپتیکی حاکم بر سیلاب های مخرب و فراگیر سطح حوضه آبریز مزبور شناسایی و طبقه بندی شد. نتایج تحقیق نشان می دهد که، به هنگام وقوع سیلاب های مذکور محور تراف به سمت عرض های جغرافیایی پایین عمیق تر شده و موقعیت حوضه آبریز دریاچه ارومیه نسبت به اغتشاشات سطح بالا به گونه ای بوده که، یا در زیر منطقه واگرایی بالایی جلو تراف های موج کوتاه بادهای غربی قرار گرفته، یا در زیر قسمت جلوی سیستم سینوپتیکی سردچال بالایی واقع شده و یا اینکه در زیر قسمت جلوی بادهای غربی مسیر جنوبی سیستم مانع قرار گرفته است. در این بین، الگوی سینوپتیکی تراف موج کوتاه بادهای غربی مولد 3/67% از کل سیلاب ها می باشد.
۲.

خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی رقابتی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: خوشه بندی مشتریان شبکه ی همینگ نرون مرده روش وارد تحلیل تمایزات

حوزه‌های تخصصی:
تعداد بازدید : ۲۲۸ تعداد دانلود : ۱۰۵
بخش بندی مشتریان، فرصتی برای توجه به نیازهایی است که در پرتو بازاریابی انبوه مجالی برای ابرازشان نبوده است. هدف اولیه ی بخش بندی یافتن و حفظ مشتریانی است که قصد ارائه ی خدمت به آن ها را داریم. در این پژوهش خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی مصنوعی رقابتی و روش های آماری سنتی با یکدیگر مقایسه شده اند. برای خوشه بندی مشتریان، 7 مشخصه ی کلیدی 600 مشتری از مشتریان یک بانک استخراج شده است. با استفاده از یک شبکه ی عصبی رقابتی و همچنین روش آماری وارد خوشه بندی مشتریان انجام گرفته و نتایج حاصل با استفاده از روش تحلیل تمایزات و شاخص های MAPE و RMSE با یکدیگر مقایسه شده است. مقایسه ی خوشه بندی های انجام شده، برتری قابل توجه شبکه ی عصبی رقابتی بر روش آماری وارد را نشان می دهد. خوشه بندی با استفاده از شبکه های عصبی رقابتی نقطه ی قوت و نوآوری این مقاله است. به خصوص که رفع نرون مرده در شبکه های عصبی رقابتی مورد تأکید قرار گرفته است. این مهم با استفاده از ترم بایاس در شبکه ی عصبی رقابتی، قابل دستیابی است که در این مقاله بر آن تأکید شده است.