یش بینی حداکثر سطح وزنی نویز با استفاده از شبکه عصبی و رگرسیون(مطالعه موردی:اداره کل راه اهن شرق)
محل انتشار: دومین همایش ملی مدیریت آلودگی هوا و صدا
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,035
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CANPM02_056
تاریخ نمایه سازی: 4 اسفند 1392
چکیده مقاله:
نویز به عنوان یکی ازمهمترین موضوعات زیست محیطی تلقی میشود زیراسلامت وارامش موجودات زنده را به مخاطره می اندازدبه همین دلیل دانش روزدرپی یافتن علل ایجادکننده نویز درصنایع مختلف و درنتیجه جلوگیری حداکثری ازآن است باتوجه به توسعه خطوط راه اهن درایران شناسایی و مدلسازی عوامل ایجادارتعاشات و نویز حمل و نقل ریلی ازاهمیت ویژه ای برخوردار است و ارزیابی عملکرد راه اهن رانمی توان بدون اندازه گیری و مدیریتنویز تصورنمود باتوجه به شرایط اقلیمی خاص اداره کل راه اهن شرق و اهمیت استراتژیک این محور دراقتصادکشور دراین مقاله حداکثر سطح وزنی نویز رابااطلاعات بدست امده ازااندازه گیری های میدانی درمورداین داره کل به وسیله شبهک عصبی رگرسیون خطی و لگاریتمی مدلسازی نموده و بادرصد اطمینان96 درصد دوعامل فاصله ازمحور ریل و سرعت قطار رادرمیزان و شدت نویز ایجادشده را شناسایی و مدلسازی م ینماید و درنهایت مدلهای بدست امده ازهریک ازروشهای مدلسازی فوق بایکدیگر مقایسه میگردد و درنهایت نشان میدهدرگرسیون لگاریتمی نسبت به دوشیوه دیگر مدلسازی که دراین تحقیق مورداستفاده قرارگرفته اند مدل بهتری ارایه می نماید
کلیدواژه ها:
نویسندگان
مریم اسماعیلی
دکترای مهندسی صنایع، عضو هیئت علمی دانشکده مهنندسی صنایع دانشگاه الزهرا، تهران
مهناز شعیب
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه الزهرا، تهران
قاسم وفایی نوقابی
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :