CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

توسعه یک الگوریتم جدید برای پیشبینی فعالیتهای خورشیدی در دادهکاوی هوای فضا

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۱۶۱۳ | نظرات: ۰
سال انتشار: ۱۳۸۶
کد COI مقاله: IDMC01_019
زبان مقاله: فارسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله توسعه یک الگوریتم جدید برای پیشبینی فعالیتهای خورشیدی در دادهکاوی هوای فضا

رجبعلی کشاورز امامی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر - نرمافزار دانشگاه آزاد اسلامی
  کارو لوکس - گروه علوم شناختی IPM مرکز عالی کنترل و پردازش هوشمند دانشگاه تهران
  محمد ینگی ملکی - کارشناسی ارشد ریاضیات کاربردی از دانشگاه صنعتی امیرکبیر ( پلیتکنیک ایر

چکیده مقاله:

هوای فضا یکی از پدیده هایی است که نمونه بسیار مناسبی برای پژوهشهای داده کاوی است به دلیل اینکه نرخ تغییر داده ها در پدیده هوای فضا بسیار سریع و در حد چند ساعت است و بنابراین پایگاه های داده ای که حاوی اطلاعات مربوط به هوای فضا ست بسیار حجیم و بزرگ بوده و در نتیجه استفاده از روشهای داده کاوی در شناسایی این پدیده بسیار مناسب و مفید خواهد بود . ضمن
اینکه نتایج حاصل از تحلیل ا ین پدیده ها کاربردهای بسیار متنوعی در زندگی روزمره خواهد داشت . بطور کلی هوای فضا بعنوان شرایط متغیر با زمان در محیط فضا شناخته می شود که قابلیت آسیب رساندن به مصنوعات بشری در فضا یا روی زمین را داراست و در بدترین شرایط، ممکن است زندگی یا سلامت انسان را به خطر اندازد .
یکی از انواع داده کاوی، داده کاوی پیش بینی است که کاربردهای بسیاری در پیش بینی انواع پدیده ها و شناسایی سیستمها دارد . روشهای آماری و کلاسیک بسیاری برای پیش بینی، در داده کاوی پیش بینی، ارائه شده است ولی این روشها اغلب پیچیده بوده و در مواجه با داده های بسیار زیاد و حجیم کارایی خوبی از خود نشان نمیدهند به همین دلیل امروزه از روشهای جدید و نوآورانه ی همچون شبکههای عصبی مصنوعی و مدلهای فازی - عصبی در این فرایند استفاده میشود . در این تحقیق ضمن اشاره به نحوه کاربرد شبکههای عصبی مصنوعی و مدلهای فاز ی - عصبی در داده کاوی پیش بینی به بررسی الگوریتم معروف و شناخته شده درخت مدل خطیمحلی ) ) LOLIMOT ، که یک الگوریتم مبتنی بر مدلهای فازی عصبی است ، خواهیم پرداخت و با بررسی الگوریتمهای کلونی مورچهها یک تابع اعتبار فازی مبتنی بر کلونی مورچه جهت استفاده در الگوریت م درخت مدل خطی محلی برای پیش بینی فعالیتهای خورشیدی مربوط به پدیدههای هوای فضا ارائه خواهیم کرد . نتایج شبیهسازی حاکی است که کارایی الگوریتم جدید پیشنهادی از نظر دقت پیشبینی و کاهش خطای پیشبینی بهتر از الگوریتم درخت مدل خطیمحلی اولیه است

کلیدواژه‌ها:

دادهکاوی هوای فضا، دادهکاوی پیش بینی، درخت مدل خطی محلی، الگوریتمهای کلونی مورچه، شبکه های عصبی مصنوعی، مدلهای فازی عصبی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IDMC01-IDMC01_019.html
کد COI مقاله: IDMC01_019

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کشاورز امامی, رجبعلی؛ کارو لوکس و محمد ینگی ملکی، ۱۳۸۶، توسعه یک الگوریتم جدید برای پیشبینی فعالیتهای خورشیدی در دادهکاوی هوای فضا، اولین کنفرانس داده کاوی ایران، تهران، دانشگاه صنعتی امیرکبیر، موسسه پژوهشی داده پردازان گیتا، https://www.civilica.com/Paper-IDMC01-IDMC01_019.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (کشاورز امامی, رجبعلی؛ کارو لوکس و محمد ینگی ملکی، ۱۳۸۶)
برای بار دوم به بعد: (کشاورز امامی؛ لوکس و ینگی ملکی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.