tree regression
در نشریات گروه علوم انسانی-
آسیب پذیری اجتماعی مخلوق و آفریده روابط ساختاری گروه ها و نیروهای جامعه دربرابر فشارهای مختلف طبیعت و تصمیمات و ظرفیت جامعه به منظور پاسخگویی و واکنش دربرابر مخاطرات محیطی است. جذب مهاجرین با منشاء جغرافیایی متفاوت یکی از مهمترین عوامل و فاکتور های موثر بر تنوع ساختار اجتماعی و تشدید حس لا مکانی درشهر کرج می باشد. تحقیقات نشان می دهد در برخی از محدوده های شهرکرج مانند محله حصارک (منطقه 5 و 6) به علت ساختار کالبدی به ویژه مشخصه های اقتصادی، اجتماعی، فرهنگی و حاشیه نشینی ساکنین، فرصت برای آسیب های اجتماعی در مقایسه با سایر نقاط شهر بیشتر است. با توجه به اهمیت این موضوع تحقیق حاضر در پی ارایه ی مدلی برای شاخص های آسیب پذیری اجتماعی این محله است تا الگوی این شاخص ها و تاثیر هریک ازآنها بر روی رضایتمندی یا عدم رضایتمندی ساکنین از محله مشخص شود. روش تحقیق به لحاظ ماهیت تحلیلی- اکتشافی بوده و حجم جامعه کل خانوارهای منطقه 5 و 6 شهر کرج و حجم نمونه با استفاده از فرمول کوکران 350 نفر محاسبه شد. داده های پژوهش از طریق فن پرسشگری به صورت تصادفی- احتمالی از محدوده مورد مطالعه جمع آوری گشته و با استفاده از شبکه عصبی مصنوعی وسیستم استنتاج فازی انفیس به مدل سازی هوشمند (پایگاه قواعد) ومدل رگرسیون درختی جهت تخمین عوامل موثر برآسیب پذیری پرداخته شد. مدل پیشنهادی در این تحقیق از چند بعد قابل توجه می باشد؛ اول این که نتیجه آن، ارایه متدولوژی دراین زمینه است که با معماری خاص و بهره گیری از هوش محاسباتی و پایگاه دانش ارزیابی محیطی انجام شده است و نتیجه دیگر آن ایجاد یک پایگاه دانش براساس مجموعه ای ازمعیارها است که می تواند به صورت هوشمند با توجه به شرایط محیط به ارزیابی وضعیت منطقه وهمچنین موارد مشابه بپردازد.
کلید واژگان: مدلسازی، انفیس، رگرسیون درختی، آسیب پذیری اجتماعی، حصارک کرجSocial vulnerability is the creation of structural relationships between groups and forces of society against various pressures of nature and decisions and the capacity of society to respond and react to environmental hazards. Attracting immigrants with different geographical origins is one of the most important factors affecting the diversity of social structure and intensifying the sense of place in the city of Karaj. Research shows that in some areas of Karaj, such as Hesarak neighborhood (districts 5 and 6), due to the physical structure, especially the economic, social, cultural and marginal characteristics of residents, the opportunity for social harm is higher compared to other parts of the city. Due to the importance of this issue, the present study seeks to provide a model for social vulnerability indicators of this neighborhood to determine the pattern of these indicators and the impact of each of them on the satisfaction or dissatisfaction of residents of the neighborhood. The research method was analytical-exploratory in nature and the total population of households in the 5th and 6th districts of Karaj and the sample size were calculated using the Cochran's formula of 350 people.The research data were collected randomly from the study area through a query technique and using artificial neural network and infusion inference system to intelligent modeling (rule base) and tree regression model to estimate the factors affecting vulnerability. paid. The proposed model in this research is significant from several dimensions; The first result is the presentation of a methodology in this field that has been done with special architecture and the use of computational intelligence and environmental assessment knowledge base, and the second result is the creation of a knowledge base based on a set of criteria that can be intelligently Pay attention to the environmental conditions to assess the situation of the region as well as similar cases.
Keywords: Modeling, ANFIS, Tree regression, Social vulnerability, Hesarak Karaj -
تصادفات یکی از بزرگ ترین مشکلات سلامت عمومی در جهان است. این در حالی است که بیشتر قربانیان جوان هستند و قبل از تصادف دارای سلامتی کامل بوده اند. این مسئله در کشور ایران با روند صعودی تعداد کشته شدگان و افزایش تعداد کاربران از راه های کشور و همچنین افزایش تعداد سفرها از اهمیت افزون تری برخوردار است، همین امر بررسی مدل های متناسب برای شناسایی عوامل موثر ترافیکی را ناگزیر می نماید. یکی از روش های پرکاربرد و مناسب را می توان مدل های رگرسیونی دانست و به فراخور نوع داده هایی که در تصادفات جاده ای با آن سروکار داریم، مدل های رگرسیونی لجستیک(LR) و رگرسیون کلاسه بندی درختی(CRT) از مدل های مناسب برای این بررسی به شمار می آیند. به همین منظور در این پژوهش کوشیده ایم با بهره گیری از روش های رگرسیونی LR و CRT و GLM و روش های آماری مانند جداول توافقی به تحلیل علل و عوامل موثر در بروز یا شدت تصادفات بپردازدیم.
این عوامل به سه دسته عوامل انسانی، راه و خودرو تقسیم می شوند. هدف اصلی این تحقیق عبارت است از: بررسی علل و عوامل موثر بر کاهش تصادفات جاده ای. جامعه آماری مورد نظر، تصادفات جاده ای رخ داده یا مستعد وقوع در کشور ایران است. نمونه آماری به اندازه 343هزار و82 فقره از تصادفات جاده ای است که در سال 1385 رخ داده اند. روش نمونه گیری این پژوهش، نمونه گیری خود انتخابی است. برای گردآوری اطلاعات از منابع داده های کام114 که دادگان تصادفات جاده ای به حساب می آید استفاده شده است. داده های مورد استفاده مربوط به تصادفات رخ داده در سال 1385 است که افسران کارشناس تصادف، بررسی و کروکی آن ها را کشیده اند. این پژوهش از نظر نحوه گردآوری داده ها، (ثبتی) کتابخانه ای و از لحاظ هدف و ماهیت موضوع مورد بررسی، از نوع «تحقیقات کاربردی» است. روش تحقیق از لحاظ حوزه تحقیقات اجتماعی «تحقیق توصیفی» و از نظر شیوه نگرش و پرداختن به مسئله، توصیفی- تحلیلی به حساب می آید. یافته های تحقیق نشان دادند که عامل انسانی با 97.5 درصد سهم در اشتراک بین عوامل سه گانه، مهم ترین عامل و نسبت به سایر عوامل (مانند محیطی و خودرو) 49 درصد از کل عوامل و به همین ترتیب عامل محیطی 70.5 درصد سهم در اشتراک بین عوامل سه گانه نسبت به سایر عوامل، 36درصد از کل عوامل را شامل می شود. در این پژوهش ریز فاکتورهای عوامل سه گانه رده بندی و بخت و مخاطره هر یک در شدت تصادف (واژگونی خودرو) و احتمال مرگ راننده با روش های جداول توافقی، رگرسیون لجستیک، GLM و درختی اندازه گیری و توصیه هایی نیز برای بهبود عوامل مورد نظر ارائه شده است.
کلید واژگان: تصادفات جاده ای، رگرسیون لجستیک، رگرسیون درختی، رگرسیون، جداول توافقی، مخاطره شدن تصادف، بخت در تصادف غیر منجر به فوتTraffic-related accident is one of the important issues which threaten public health. The problem is becoming more sophisticated in Iran and there are lots of young victims due to car accidents. In order to find out the effective factors in traffic accidents, regression models such as logistic models (LR), and CRT can be used.This article investigates the reasons of road traffic accident reduction when benefitting from GLM, CRT, LR regression models. The main three factors involved in accidents were known to be human, road, and car - related factors. Statistical samples were 343,082 cases of Iran roads accidents during the year of 2007.Keywords: Roads accidents, Logistic regression, Tree Regression, Regression, Agreement tables, Accident Intensity
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.