معرفی کاربرد روشهای داده کاوی در علوم دریایی، مطالعه موردی :دسته بندی توده های آب در خلیج چابهار با استفاده از روش خوشه بندی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 620

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NSMI15_282

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

امروزه با گسترش پایگاههای ثبت داده های دریایی و حجم بالای داده های ذخیره شده، نیاز به ابزاری است تا بتوان داده ه ای ذخیره شده را پردازش کرد. وقتی که حجم داده ها بالا باشد نمی توان الگوهای مفید را در میان حجم انبوه داده ها تشخیص داد بنابراین نیاز به روشهای داده کاوی 1 است کهاصطلاحا به کشف دانش بپردازند. یکی از رایجترین روشهای داده کاوی در فیزیک دریا ، خوشه بندی 2 است. در این تحقیق برای خوشه بندی خلیج چابهاربر اساس چگالی از الگوریتم دو مرحله ای 3 استفاده شد. نتایج خوشه بندی بطور واضحی نشان دهنده یک مورد استثنا در آبان ماه است که با رسم منحنی های همتراز چگالی، شوری و دما توسط نرم افزار سرفر 4 نتایج بدست آمده از داده کاوی تایید شد. همچنین برای بررسی تاثیرات دما و شوری در توزیع مکانی و زمانی چگالی آب خلیج و یافتن مؤثرترین پارامتر بر چگالی آب خلیج چابهار از میان پارامترهای موثر (عمق، دما و شوری) ، با استفاده از الگوریتم موجود در نرم افزار کلمنتاین 5 یازده شبکه عصبی تشکیل شد. برای بررسی اعتبار و صحت این روش، آزمون آماری رگرسیون ریج 6 بکار برده شد، در نتیجه برای هر دوره یک رابطه ریاضی بدست آمد که نشان داد می توان از شبکه عصبی پاسخهای قابل قبولی دریافت نمود

نویسندگان

بشرا وفایی

کارشناسی ارشد فیزیک دریا، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

وحید چگینی

دکترای مهندسی سواحل، استادیار، مرکز ملی اقیانو سشناسی،

عباس سقایی

دکترای مهندسی صنایع، دانشیار دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

مجتبی عظام

دکترای فیزیک دریا، استادیار دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات 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 :
  • ا کمیجانی ف، 1387، مطالعه روند تغییرات فصلی پارامترهای فیزیکی ...
  • حقیقی ع.، قصوری ش.، برفی پر ا، شماخی ع، مهریزی ...
  • مهریزی ع، 1382، داده‌کاوی: مفاهیم و روشها و کاربردها، پایان ...
  • اظمی ع.، رده‌بندی و داده‌کاوی، 1383، پایان نامه کارشناسی ارشد، ...
  • _ 1383، استفاده از تکنیکهای داده‌کاوی به منظور طبقه‌بندی مشتریان، ...
  • Palenzuela J M., Vilas L.G., Spyrakos E., Dominguez L. R.; ...
  • Kisilevich S., Mansmann F., Nanni M., Rinzivillo S.; 2010; Spatio ...
  • Pereira G.C., Coutinho R., Francisco N., Ebecken F, Jan./Mar.2008 Data ...
  • Liao C. H., Lee K. T., Lee M. A., Lu ...
  • Birant D., Kut A.; 2006; An algorithm to discover sp ...
  • Birant D., Kut A.; September 2006; Cluster analysis for physical ...
  • Gaixiao L, Rencan P., Yidong Z., Jidong Z.; 2010, Spatial ...
  • Steinbach M., Tan P., Kumar V., Klooster S., Potter C.; ...
  • Stolorz P., Nakamura H., Mesrobian E., Muntz R.R., Santos J.R., ...
  • Fayyad, Shapiro U.M. P., Smyth P., Uthurusamy R.; 1996; Advances ...
  • Berry M., Lindoff G, 1997, Mastering data mining, John Wiley ...
  • Pendharkar P C.; 2003; Managing Data Mining Technologies in Organizations: ...
  • Hasti T., et al.; 2008; The Elements of Statistical Learning ...
  • نمایش کامل مراجع