TY - JOUR ID - 19452 TI - مقایسه کاربرد روش‌های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره براساس تحلیل ‌مؤلفه‌های اصلی برای پیش‌بینی غلظت میانگین روزانه کربن‌مونوکسید: بررسی موردی شهر تهران JO - فیزیک زمین و فضا JA - JESPHYS LA - fa SN - 2538-371X AU - نوری, روح‌الله AU - اشرفی, خسرو AU - اژدرپور, ابوالفضل AD - Y1 - 2008 PY - 2008 VL - 34 IS - 1 SP - 1 EP - 1 KW - تحلیل مؤلفه اصلی KW - شبکه عصبی مصنوعی KW - کربن‌مونوکسید KW - رگرسیون خطی چندمتغیره KW - تهران DO - N2 - هدف از این مقاله، پیش‌بینی میانگین غلظت روزانه کربن‌مونوکسید در هوای شهر تهران با استفاده از دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره برحسب تحلیل مؤلفه اصلی (PCA) است. از روش PCA برای از بین بردن هم‌راستایی چندگانه (multicolinearity) بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده شده است. همچنین با استفاده از شبکه عصبی Feed-Forward با یک لایه پنهان نیز مدل مناسب برای این امر ایجاد شده ‌است. به‌منظور پیش‌بینی غلظت کربن‌مونوکسید آمار سال‌های 1383 و 1384 ایستگاه قلهک واقع در شمال تهران مورد استفاده قرار گرفته ‌است. پس از اجرای مدل‌های پیش‌گفته، ضریب همبستگی (R)، شاخص میانگین نسبی خطای مطلق (MARE) و خطای میانگین مجموع مربعات (RMSE) در شبکه عصبی برای مرحله آزمون، به ترتیب برابر با 716/0، 158/0 و 969/0 به‌دست آمده که در مقایسه با مدل ترکیبی رگرسیونی (581/0= R ، 189/0 MARE = و 138/1 RMSE =) حاکی از برتری مطلق نتایج شبکة عصبی نسبت به مدل ترکیبی رگرسیونی است. UR - https://jesphys.ut.ac.ir/article_19452.html L1 - https://jesphys.ut.ac.ir/article_19452_46f52721b042c036fee869f8a70f3a3b.pdf ER -