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

شناسایی خطاهای موجود در برداشت دادههای مربوط به تعیین الگوی جریان و آبشستگی با استفاده از روش ضریب داده پرت محلی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۵۰ | نظرات: ۰
سال انتشار: ۱۳۹۱
کد COI مقاله: OICIRAN05_089
زبان مقاله: فارسی
حجم فایل: ۵۲۱.۷۶ کلیوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله شناسایی خطاهای موجود در برداشت دادههای مربوط به تعیین الگوی جریان و آبشستگی با استفاده از روش ضریب داده پرت محلی

  کیومرث محمودی - دانشجوی کارشناسی ارشد، دانشگاه صنعتی امیرکبیر
  محمد واقفی - استادیار سازه های هیدرولیکی، دانشگاه خلیج فارس
  عباس مرادی - استادیار برنامه ریزی و مدیریت مناطق ساحلی، دانشکده علوم و فنون دریائی، دانشگاه هرمزگان
  مصباح سایبانی (شناسه پژوهشگر - Researcher ID: ۱۷۹۵)
استادیار و عضو هیئت علمی دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر

چکیده مقاله:

در بسیاری از مطالعات آزمایشگاهی حجم انبوهی از داده ها برداشت میشود که معمولاً با خطاهای مختلفی همراست. در این مقاله با استفاده از روش ضریب داده پرت محلی LOF به شناسایی خطاهای آزمایشگاهی در هنگام جمع آوری داده های مربوط به تعیین الگوی جریان و آبشستگی، پرداخته شده است LOF یکی از قدرتمندترین روش های یادگیری ماشین است که از آن برای شناسایی ناهنجاری ها در سیستم استفاده میشود. همچنین توانایی این روش در یک مطالعه موردی که هدف آن تعیین الگوی جریان و آبشستگی در یک کانال با قوس 90 درجه و توام با استقرار آبشکن T شکل میباشد، مورد تجزیه و تحلیل قرار گرفته است. خطاهای موجود در جمع آوری داده های مطالعه موردی ذکر شده ناشی از دستگاه هایی نظیر خط کش الکترونیکی، برداشت پروفیل بستر لیزری و سرعت سنج سه بعدی از نوع Vecterino و مشکلات به وجود آمده هنگام برداشت داده ها میباشد. تجزیه و تحلیل های انجام شده نشان داد LOF یک روش قدرتمند برای شناسایی خطاهای موجود در برداشت داده های مربوط به تعیین الگوی جریان و آبشستگی است

کلیدواژه‌ها:

یادگیری ماشین، الگوی جریان و آبشستگیLOF شناسایی خطا، فیلتراسیون، روش ضریب داده پرت محلی

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-OICIRAN05-OICIRAN05_089.html
کد COI مقاله: OICIRAN05_089

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:
محمودی, کیومرث؛ محمد واقفی؛ عباس مرادی و مصباح سایبانی، ۱۳۹۱، شناسایی خطاهای موجود در برداشت دادههای مربوط به تعیین الگوی جریان و آبشستگی با استفاده از روش ضریب داده پرت محلی، پنجمین همایش بین المللی صنایع فراساحل، تهران، انجمن مهندسی دریایی ایران، https://www.civilica.com/Paper-OICIRAN05-OICIRAN05_089.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: (محمودی, کیومرث؛ محمد واقفی؛ عباس مرادی و مصباح سایبانی، ۱۳۹۱)
برای بار دوم به بعد: (محمودی؛ واقفی؛ مرادی و سایبانی، ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Barnett, V; and . Lewis, T ."Outliers in Statistical Data". ...
  • M. Breunig, M, Kriegel, H.P., Ng, R. T., and Sander, ...
  • Nikora, VI. and Goring, DG., :Flow Turbulence over Fixed Weakly ...
  • Goring, DG. And Nikora, VI., "Despiking Acoustic Doppler Velocimeter Data". ...
  • Cea .L, J _ Puertas. And L. Pena. , :Velocity ...
  • S. Ramaswamy, R. Rastogi, and S. Kyuseok. "Efficient Algorithms for ...
  • نگرشی بر خطاهای موجود در برداشت داده های آزمایشگاهی [مقاله کنفرانسی]
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۹۴۱۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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 پیشنهادی مرتبط

    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.