مقایسه روش های رگرسیون خطی و شبکه عصبی مصنوعی در پیش بینی میزان مرگ و میر به عنوان تابعی از دمای هوا (مطالعه موردی: تهران)
نویسنده:
چکیده:
مقدمه
تغییرات فصلی و روزانه مرگ و میر ارتباط مستقیمی با دما دارد. در این تحقیق داده های روزانه مرگ و میر و پارامتر دما طی دوره 2005 -2002 مورد استفاده قرار گرفته است.روش کار
برای پردازش داده ها روش های تعیین ضریب همبستگی پیرسون، رگرسیون خطی ساده، رگرسیون چندجمله ای و شبکه های عصبی مصنوعی به عنوان یک روش غیر خطی (ANN)استفاده شده است.یافته ها
نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی منفی و معنی دار بین پارامتر دما با میانگین ماهانه تعداد کل مرگ و میر و مرگ و میر ناشی از بیماری های قلبی می باشد. ارتباط بین این دو با استفاده از شبکه عصبی و الگوریتم های ژنتیکی در مقایسه با روش های کلاسیک از جمله رگرسیون خطی و رگرسیون چندجمله ای نیز نشان می دهد که ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک نتیجه بهتری را ارایه می کند. به این صورت که بعد از آزمون شبکه با لایه های پنهان و ضرایب یادگیری مختلف در حالتی که نمونه ها به صورت منظم قرار گرفته دقت مدل افزایش پیدا می کند.بحث: با توجه به نتایج حاصله می توان گفت که شبکه عصبی به خوبی رابطه غیرخطی بین میانگین ماهانه مرگ و میر را در ارتباط با دمای هوا پیش بینی می کند. ولی در عین حال با ترکیب الگوریتم ژنتیک و شبکه عصبی سرعت تحلیل و دقت فرآیند افزایش می یابد به عبارتی دیگر میزان خطا کاهش می یابد.
کلیدواژگان:
زبان:
فارسی
در صفحه:
45
لینک کوتاه:
magiran.com/p693897
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!