پیش بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه های خودهمبسته با استفاده از شبکه عصبی مصنوعی
زینب رستمی فصیح، zeinab rostami fasih msc student of environmental health engineering, faculty of health, tehran university of medical sciences, tehran, iranدانشجوی کارشناسی ارشد مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران. تهران، ایران علیرضا مصداقی نیا، alireza mesdaghinia, phd, professor of environmental health engineering, department of environmental health engineering, faculty of health, tehran university of medical sciences, tehran, iranاستاد گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران کاظم ندافی، kazem nadafi phd, professor of environmental health engineering, department of environmental health engineering, faculty of health, tehran university of medical sciences, tehran, iranاستاد گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران رامین نبی زاده نودهی، ramin nabizadeh nodehi phd, professor of environmental health engineering, department of environmental health engineering, faculty of health, tehran university of medical sciences, tehran, iranاستاد گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران امیرحسین محوی، amir hossain mahvi phd, assistant professor of environmental health engineering, department of environmental health engineering, faculty of health, tehran university of medical sciences, tehran, iranاستادیار گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران مهدی هادی، mahdi hadi phd student, center for water quality research (cwqr), institute for environmental research (ier), tehran university of medical sciences, tehran, iranدانشجوی دکتری تخصصی پژوهشی بهداشت محیط، مرکز تحقیقات کیفیت آب، پژوهشکده محیط زیست، دانشگاه علوم پزشکی تهران، تهران، ایران
چکیده
زمینه و هدف: شاخص کیفیت هوا (air quality index-aqi) ارتباط کیفیت هوا را با سطوح سلامتی به صورت کمی بیان می کند. با استفاده از مدل شبکه عصبی مقدار aqi برای یک روز بعد بر مبنای متغیرهای هواشناسی و خودهمبستگی شاخص، برای شهر کرمانشاه پیش بینی شد. روش کار: بعد از آماده سازی داده های آلاینده های معیار و متغیرهای هواشناسی سال های 91-1389، تاخیرهای زمانی یک روز قبل و بعد متغیرها ایجاد شد. مقدار شاخص یک روز بعد به عنوان متغیر وابسته و سایر متغیرها به عنوان ورودی مدل استفاده گردید. عملکرد مدل با استفاده از ضریب همبستگی (r)، ضریب تبیین (r2) و ریشه میانگین مربع خطا ارزیابی شد. تحلیل حساسیت مدل بررسی و مهمترین متغیرهای موثر برای پیش بینی aqi شناسایی گردید. یافته ها: مقدار r مراحل آموزش، اعتبارسنجی و آزمون مدل بالاتر از 75/0 تعیین و r2 مرحله آزمون برابر 6/0 تعیین شد. در بین متغیرهای هواشناسی، میزان دید افقی و میزان بارندگی تاثیر بیشتری بر مقدار شاخص داشتند به نحوی که بارندگی در یک روز قبل به طور معناداری باعث کاهش مقدار aqi روز بعد خواهد شد. همچنین بین میزان دید افقی و aqi ارتباط معکوس مشخص گردید. نتیجه گیری: مدل پیشنهادی می تواند برای پیش بینی مقدار شاخص aqi شهر کرمانشاه مورد استفاده قرار گیرد. با توجه به مسئله آلودگی هوا و خصوصاً مشکل ریزگردها، چنانچه چنین مدلی به صورت دینامیک استفاده شود نقش آن در اعلان وضعیت هوا ملموس تر خواهد شد. پیشنهاد می گردد پیش بینی شاخص aqi در قالب یک مدل با قابلیت به روز شدن برای این استان در مطالعات بعد انجام گردد.
Background: Air Quality Index (AQI) quantifies the relationship between air quality and the level of health. The value of AQI may be predicted using neural network model for a day in advance, based on the meteorological variables and autocorrelation behavior of the index in Kerma
مقاله۲۰۲۴فناوري هاي پيشرفته در بهره وري آباکبر کمالی، احمد ساکی، مصطفی مقدم، لاله دیوبند هفشجانی
در دهه‌‌های اخیر، ارزیابی کیفیت منابع آبی برای برنامه‌ریزی استفاده درست و به دنبال آن پیش بینی کیفت آنها برای تضمین تداوم برنامه‌ریزی از اهمیت بالایی برخوردار است. علیرغم توجه بی‌سابقه‌به شاخص‌های کیفیت آب در سراسر جهان، بهینه‌سازی در جهت کاهش تعداد و انواع پارامترها در شاخص‌های
پژوهش حاضر به مطالعه پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران به وسیله شبکه های عصبی و ارایه ی شواهدی مبنی بر رفتار آشوبناک شاخص قیمت در بورس اوراق بهادار می پردازد. دو مجموعه از داده ها برای ورودی شبکه عصبی انتخاب شده اند. وقفه های مختلفی از شاخص و عوامل کلان اقتصادی ب
مقالهمدیریت دارایی و تأمین مالیرضا راعی، دانشگاه تهران شاپور محمدی، دانشگاه تهران حنظله فندرسکی، دانشگاه تهران
شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جام
اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های 3arima هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموف
مقاله۲۰۱۴راهبرد مدیریت مالیسعید فلاح پور، جواد علی پور ریکنده
در این تحقیق شاخص کل سهام بورس اوراق بهادار تهران با استفاده از مدلهای مختلف شبکه های عصبی پیش بینی شده است. تحقیق از نوع کاربردی است و دورۀ زمانی انجام تحقیق از ابتدای سال 81 تا پایان سال 90 است. گردآوری اطلاعات از طریق آمار و دادههای موجود در پایگاه اطلاعاتی در بورس اوراق بها