فهرست مقالات تحلیل حساسیت

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - مقایسه کارایی شبکه عصبی مصنوعی و رگرسیون در پیش‌بینی زمان چوبکشی اسکیدر چرخ زنجیری زتور و تراکتور کشاورزی
  نجیبه گیلانی پور اکبر نجفی حمید آریا
  داشتن اطلاعات دقیق درباره بازدهی ماشین‌ آلات چوبکشی به‌منظور کاهش هزینه‌ های حمل‌ونقل با استفاده از مدل های آماری نوین در مطالعه ‌های مهندسی جنگل بسیار با ارزش است.در این مطالعه مدل ‌سازی پیش ‌بینی زمان چوبکشی اسکیدر چرخ زنجیری زتور و تراکتور کشاورزی با استفاده از شبکه چکیده کامل

  داشتن اطلاعات دقیق درباره بازدهی ماشین‌ آلات چوبکشی به‌منظور کاهش هزینه‌ های حمل‌ونقل با استفاده از مدل های آماری نوین در مطالعه ‌های مهندسی جنگل بسیار با ارزش است.در این مطالعه مدل ‌سازی پیش ‌بینی زمان چوبکشی اسکیدر چرخ زنجیری زتور و تراکتور کشاورزی با استفاده از شبکه عصبی مصنوعی و مدل رگرسیون خطی چندگانه انجام شد، سپس کارآیی مدل‌ ها با هم مقایسه گردید. فاصله چوبکشی، شیب مسیر چوبکشی، حجم و تعداد گرده ‌بینه در هر نوبت چوبکشی به عنوان متغیرهای مستقل (متغیر ورودی) و زمان هر نوبت چوبکشی به عنوان متغیر وابسته (متغیر پاسخ) وارد مدل شدند. نتایج نشان داد که در پیش‌بینی زمان چوبکشی اسکیدر چرخ زنجیری زتور میزان ضریب تبیین شبکه عصبی MLP و مدل رگرسیون به ترتیب 78/0 و 55/0 و میزان خطای مدل‌ ها به ترتیب 19/0 و 42/0 می‌ باشد. همچنین در سیستم چوبکشی تراکتور کشاورزی میزان ضریب تبیین شبکه عصبی MLP و مدل رگرسیون به ترتیب 70/0 و 62/0 و میزان خطای مدل‌ ها به ترتیب 18/0 و 28/0 می ‌باشد. بنابراین در هر دو سیستم چوبکشی شبکه عصبی MLP در پیش‌بینی زمان چوبکشی نسبت به مدل رگرسیون خطی چندگانه کارآیی بیشتری دارد. تحلیل حساسیت شبکه عصبی مصنوعی و رگرسیون نشان داد که در اسکیدر چرخ زنجیری زتور فاصله چوبکشی و در تراکتور کشاورزی شیب مسیر چوبکشی بیشترین اهمیت را دارند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - شناسایی و تحلیل نقش عوامل موثر بر گروه‌هایاصلی تشکیل‌دهنده تورم در ایران با رویکرد شبکه عصبی مصنوعی
  سید سجاد علم الهدی سمانه طریقی مهدی شعبان زاده امین خواجویی پور
  چکیده بسیاری از اقتصاددانان معتقدند اهمیت نرخ تورم بیشتر از دیگر شاخص‌های اقتصادی است، چرا که تورم اثرهای متعددی بر جنبه‌های مختلف اقتصادی و اجتماعی جامعه دارد. با این رویکرد، مطالعه حاضر به شناسایی و تحلیل حساسیت عوامل موثر بر گروه‌هایاصلی تشکیل‌دهنده تورم در برنامه چ چکیده کامل

  چکیده بسیاری از اقتصاددانان معتقدند اهمیت نرخ تورم بیشتر از دیگر شاخص‌های اقتصادی است، چرا که تورم اثرهای متعددی بر جنبه‌های مختلف اقتصادی و اجتماعی جامعه دارد. با این رویکرد، مطالعه حاضر به شناسایی و تحلیل حساسیت عوامل موثر بر گروه‌هایاصلی تشکیل‌دهنده تورم در برنامه چهارم توسعه پرداخته است. جهت دستیابی به این هدف، ابتدا از میان ۱۲ گروه کالایی اصلی تشکیل‌دهنده شاخص بهای کالاها و خدمات مصرفی(CPI)، مهم‌ترین گروه‌های کالایی تشکیل‌دهنده CPI‌، با استفاده از نمونه تحلیل حساسیت شبکه عصبی مصنوعی شناسایی شدند. سپس اثر عوامل بر مهم‌ترین گروه‌های کالایی تشکیل‌دهنده CPI مورد بررسی قرار گرفته است. نتایج حاصل از مطالعه حاضر نشان می‌دهد از میان کالاهای گروه‌هایاصلی، گروه خوراکی‌ها و آشامیدنی‌ها (گروه ۱)، گروه مسکن، آب، برق، گاز و سایر سوخت‌ها (گروه ۴) و همچنین کالاهای گروه حمل‌ونقل (گروه ۷) نسبت به سایر گروه‌ها بیشترین نقش را در ایجاد تورم داشته‌ و به ترتیب ۱۵/۲۲، ۱۹/۱۳ و ۲۳/۱۲ درصد از کل تغییرات ایجادشده در CPI را طی دوره مورد بررسی توضیح می‌دهند. همچنین نتایج مطالعه حاضر بیان‌گر آن است که کالاهای گروه ۱ طی دوره مورد بررسی بیشتر تحت تأثیر تغییرهای نقدینگی، نرخ ارز بازار آزاد و شکاف تولید ناخالص داخلی، کالاهای گروه۴ تحت تأثیر نرخ بازدهی اجاره مسکن در مناطق شهری و در نهایت کالاهای گروه ۷ بیشتر تحت تأثیر حجم نقدینگی، انتظارهای تورمی و نرخ ارز بازار آزاد قرار داشته‌‌اند پرونده مقاله