linear regression
در نشریات گروه مکانیک-
پیشبینی بار از مهم ترین جنبههای مدیریت موثر سیستمهای قدرت است و به عوامل مختلفی از جمله ابزار و منابع تولید برق توسط هر شرکت، تقاضای بار الکتریکی، عوامل آب وهوایی، عوامل اقتصادی و فعالیت‌های انسانی بستگی دارد. براساس افق زمانی، پیشبینی بار را میتوان به سه گروه عمده پیشبینی کوتاهمدت، میانمدت و بلندمدت دستهبندی کرد. هدف اصلی این مقاله، پیشبینی کوتاهمدت مصرف برق، در شبکه برق منطقهای استان گیلان است. در این پژوهش، پس از جمعآوری دادهها شامل سرعت باد، رطوبت نسبی، دما، نقطه شبنم، تعطیلات، طول روز و تاثیر کرونا، پیشپردازش روی آنها انجام شده و با استفاده از الگوریتم خوشهبندی K_Means به پنج خوشه تقسیم می شوند. در ادامه روابط بین متغیرهای مستقل و وابسته مصرف برق در استان گیلان با استفاده از الگوریتمهای رگرسیون خطی1، شبکه عصبی مصنوعی2 و رگرسیون بردار پشتیبان3 به همراه روش بهینهسازی جستجوی شبکه4، مورد بررسی قرار گرفته و در نرمافزار Python و در محیط Google Colab، بررسی و مدلسازی شده است. در خوشهبندی، الگوریتمهای یادشده، روی تمامی خوشهها و مجموع آنها اعمال میشود. نتایج تحقیق در این مقاله نشان میدهد الگوریتم رگرسیون بردار پشتیبان، دقت بالاتر و زمان اجرای بیشتری نسبت به دو الگوریتم شبکه عصبی مصنوعی و رگرسیون خطی دارد. الگوریتم شبکه عصبی مصنوعی نسبت به رگرسیون خطی دارای خطای کمتر و زمان اجرای بیشتری است.کلید واژگان: پیش بینی مصرف برق، پیش بینی کوتاه مدت برق، رگرسیون بردار پشتیبان، رگرسیون خطی، شبکه عصبی مصنوعیLoad forecasting is one of the most important aspects of the effective management of power systems and depends on various factors such as the means and sources of electricity production by each company, electric load demand, weather factors, economic factors and human activities.. The main goal of this article is the STLF in the regional electricity grid of Guilan province. In this research, after collecting data including wind speed, relative humidity, temperature, dew point, holidays, day length and the effect of corona disease, pre-processing is done on them and they are divided into five clusters using K_Means clustering algorithm. In the following, the relationships between the independent and dependent variables of electricity consumption in Guilan province, using linear regression (LR) algorithms, artificial neural network (ANN) and support vector regression (SVR) along with the Grid search optimization method, were investigated and analyzed in Python software and modeled in the Google Colab environment. The results show that the SVR algorithm has higher accuracy and longer implementation time than the two algorithms of ANN and LR.Keywords: Electricity consumption forecasting, short-term electricity forecasting, Support Vector Regression, linear regression, Artificial Neural Network
-
در این پژوهش میزان بازگشت فنری بعد از خمکاری سه غلتکه و اثر عوامل مختلف از جمله اصطکاک، موقعیت مکانی غلتک جانبی، سرعت چرخش غلتک و درصد کاهش ضخامت ورق در اثر نورد پیش از خمکاری بر نسبت بازگشت فنری ورق آلیاژی آلومینیم بررسی شده است. بدین منظور شبیه سازی مدل اجزای محدود و شکل دهی غلتکی توسط نرم افزار آباکوس انجام شده است. غلتک ها به صورت جسم صلب و ورق به صورت یک ماده کشسان - مومسان همسانگرد با خاصیت پلاستیک خطی مدلسازی شده و ضریب اصطکاک بین ورق و تمامی سطوح که با ورق در تماس اند برابر فرض شده است. به منظور صحه سنجی، مقایسه ای بین داده های شبیه سازی با نتایج تجربی انجام شده است. برای به دست آوردن معادله ای جهت پیش بینی دقیق مقادیر شعاع خمکاری پس از بازگشت فنری با استفاده از نرم افزار اس. پی. اس. اس. به تحلیل رگرسیونی مقادیر شعاع پس از بازگشت فنری که از شبیه سازی اجزای محدود به دست آمده اند، پرداخته شده است. سپس اثر عوامل موثر بر شعاع خم و میزان بازگشت فنری مورد بحث و بررسی قرار گرفته است. نتایج نشان می دهند که با روش ارائه شده در این مقاله می توان پیش بینی دقیقی از اثر تغییرات پارامترهای خمکاری غلتکی بر نسبت بازگشت فنری داشت. در ادامه از این تکنیک برای تولید پوسته هایی با دو انحنای متفاوت استفاده شده است؛ زیرا خم هایی با انحنای متفاوت با جابه جایی موقعیت مکانی غلتک جانبی قابل تولید بوده و با دقت ابعادی بالاتری می تواند جایگزین بسیار مناسبی برای خمکاری درون قالب یا شکل دهی کشایی ورق در تولید پوسته بال و بدنه هواپیما باشد.کلید واژگان: خمکاری غلتکی، بازگشت فنری، پوسته منحنی، شعاع متغیر، رگرسیون خطیIn this paper, the amount of spring-back after 3- roll bending and the effect of different factors such as friction, lateral roller position, roll speed, and thickness reduction percentage of rolling sheet prior to bending on the spring back ratio of aluminum alloy sheet in ambient temperature have been investigated. For this purpose, simulation and finite element roll forming model is done by ABAQUS. In order to validate, a comparison between simulation data and experimental results was performed. To obtain the equation for precise prediction of the values of bending radius after spring-back using SPSS software, regression analysis of the radius values after the spring return obtained from finite element simulation has been studied. Then, the effects of factors affecting bending radius and spring-back ratio have been discussed. The results show that with the method presented in this paper precise prediction of the effect of roll bending parameters changes on spring-back ratio can be obtained. In the following, this technique is used to produce shells with two different curvatures. This method can be a very suitable alternative for bending in the mold or stretch forming in the production of a weld shell and the body of the aircraft.Keywords: roll bending, spring back, variable radius, curved shell, linear regression
-
In the present study, the energetic and economic modeling of lentil and chickpea production in Esfahan province of Iran was conducted using adaptive neuro-fuzzy inference system (ANFIS) and linear regression. Data were taken by interviewing and visiting of 140 lentil farms and 110 chickpea farms during 2014-2015 production period. The results showed that the yield and total energy consumption were calculated 2,023 kgha-1 and 32,970.10 MJha-1, respectively for lentil; and 2,276 kg ha-1 and 33,211.18 MJ ha-1, respectively for chickpea. Energy use efficiency was found to be 0.9 for lentil and 1.02 for chickpea; while benefit-cost ratio (BCR) were obtained 1.60 for lentil and 1.74 for chickpea. Regression results demonstrated that the coefficient of determination (R2) were 0.92 for lentil and 0.89 for chickpea. In adittion, in regression estimated model in terms of BCR, R2 were obtained as 0.86 for lentil and 0.72 for chickpea. In modeling of yield using the best ANFIS model, R2 were calculated 0.99 and 0.98, respectively for lentil and chickpea. Finally, for evaluation of crops BCR by best ANFIS model, R2 were determinate as 0.94 and 0.91 for lentil and chickpea, respectively. It was concluded that ANFIS model could better predict the energy output and BCR than that of linear regression model.Keywords: Energy Use Efficiency, Linear Regression, Prediction, Cobb, Douglas Model
-
یکی از رایجترین شیوه های مدل سازی سه بعدی، استفاده از اسکنر لیزری با تکنیک مثلث بندی می باشد. پارامترهای موثر بر دقت این اسکنرها به دو دسته سخت افزار و نرم افزار تقسیم بندی می شوند. یکی از عمده ترین محدودیت های سخت افزاری، اندازه و تعداد پیکسل های دوربین بوده که خطای متریک و کوانتیزه کردن را افزایش می دهد و در نتیجه باعث خطای اندازه گیری در هنگام استخراج ابعاد خواهد شد. با توجه به این محدودیت، یکی از روش های موثر در بهبود دقت اسکنر، استفاده از تکنیک اعمال نویز می باشد. در این مقاله، اعمال نویز از طریق ایجاد جابجایی نسبی بین سنسور و لنز دوربین، پیاده سازی شده است. اگر چه استفاده از تکنیک فوق باعث افزایش دقت می شود ولی لزوم تغییر در تنظیمات سخت افزاری و تکرار عملیات اسکن، باعث افزایش زمان مدل سازی خواهد شد. در این مقاله با ارائه ایده بدیع اعمال نویز نرم افزاری، تاثیر روش ایجاد جابجایی نسبی بین سنسور و لنز بررسی شده است. در مقاله حاضر ضمن بیان اصول روش ارائه شده، الگوریتم اعمال نویز با رگرسیون خطی شبیه سازی شده تا ضمن بهبود دقت، زمان مدل سازی کاهش یابد. نتایج بیانگر بهبود قابل توجه در دقت اندازه گیری می باشد. تکنیک ارائه شده بصورت تجربی پیاده سازی و مطالعه تجربی، صحت تکنیک و نتایج را تایید می نماید.
کلید واژگان: اسکن لیزری، تکنیک مثلث بندی، رگرسیون خطی، اعمال نویز، تحلیل خطاTtriangulation technique is one of the most commonly techniques used in three dimensional measurements. Hardware and software used in 3D scanning systems are main error sources affected the accuracy of scanners. Depth reconstruction accuracy is a direct impact of the quantization process، and so it is related to the pixel size of the sensor. Dithering technique may be used to reduce the errors during quantization. The current study introduces a technique in which a relative fine movement between object and sensor is generated during picture capture. Although، using this technique will improve the accuracy of scanning but changing the hardware set up during the process is also time consuming. So to deal with this problem the dithering technique is simulated using the linear regression to reduce the scanning time. The paper firstly describes the theory of the noise introduction technique followed by modeling and simulation of the process by regression function. The results obtained from simulation show great improvement in measurement accuracy. To evaluate the result in a real world، a control rig was designed and built following which experiment was performed. The results showed considerable improvement in measurement accuracy. The result of both simulation and experiments are reported.
Keywords: Laser scanning, Ttriangulation technique, Linear regression, Dithering technique, Error analysis
- 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.