فایل شماره 5624 |
معمولاً روشهای پیشپردازش برای مدلسازی شبکه عصبی شامل مراحل مختلف میباشد. اولین مرحله استفاده از روشهایی جهت تشخیص نقاط پرت و حذف آنها میباشد. سپس در مرحله بعد داده های باقی مانده نرمال میشوند.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
تشخیص نقاط پرت و غیر معمول یکی از مهمترین کارهای لازم در آنالیز آماری داده ها می باشد [۲۸]. آنها نقاطی هستند که در محدوده دورتری نسبت به اکثریت داده ها قرار دارند [۲۶].
روشهای زیادی برای تشخیص نقاط پرت در یک متغیر بیان شده اند. این روشها بر مبنای تخمین موقعیت و پراکندگی داده ها استوار می باشند [۲۹]. ساده ترین روش برای تشخیص نقاط پرت در یک متغیر رسم داده ها و مشخص کردن میانگین و حدود بالا و پایین (μ±σ) میباشد. μ میانگین و σ انحراف معیار میباشد. این محدوده در واقع همان محدودهای است که در نمودار توزیع نرمال، ۹۵ درصد محدوده اطمینان را نشان می دهد. نقاطی که خارج از محدوده فوق میباشند نقاط پرت نامیده می شوند [۳۰]. استفاده از این روش بعلت سادگی و کمک به همگن کردن داده ها، مورد توجه ویژه اغلب کاربران از روش های هوش مصنوعی قرار دارد ولی امکان دارد نقطه ای که بهعنوان نقطه پرت حذف می گردد در واقع نقطه پرت نبوده و ناشی ازخطای دستگاه و آزمایشگر نباشد که در نتیجه باعث انحراف نتایج از حالت واقعی می شود. لذا در این تحقیق جهت بررسی نرمال بودن داده ها از آزمون اندرسون- دارلینگ استفاده شده است. آزمون اندرسون دارلینگ، آزمونی است که فرض نرمال بودن داده ها را بررسی می کند. این آزمون دقیقترین و قویترین روش برای اطمینان از نرمال بودن داده ها می باشد[۱۴]. آماره آزمون اندرسون دارلینگ بصورت رابطه (۴-۱) می باشد
(۴-۱)
که در آن تابع توزیع تجربی نمونه ای شامل n مشاهده و تابع توزیع پیوسته مفروض است[۳۱].
در نمودارهای زیر بررسی توزیع نرمال و یا غیر نرمال داده ها را در محیط Matlab آورده شده است. و چنانچه داده ها نرمال نباشند با بهره گرفتن از نرم افزار ذکر شده داده ها باید نرمال شوند.
نمودار (۴-۱) بررسی نرمال بودن داده ها برای IBP
نمودار (۴-۲) بررسی نرمال بودن داده ها برای ۱۰%
نمودار (۴-۳) بررسی نرمال بودن داده ها برای ۵۰%
نمودار (۴-۴) بررسی نرمال بودن داده ها برای ۹۰%
نمودار (۴-۵) بررسی نرمال بودن داده ها برای FBP
نمودار (۴-۶) بررسی نرمال بودن داده ها برای RON
با توجه به نمودارها مشاهده می شود که چون P-valueهای بهدست آمده از این آزمون عددی کوچکتر از سطح معنیداری آزمون میباشد و در واقع نمایش دهندهی همان محدودهای است که در نمودار توزیع نرمال، ۹۵ درصد محدوده اطمینان را نمایش میدهد. لذا فرض نرمال بودن متغیرها پذیرفته می شود.
۴-۴٫ مشخصات آماری داده ها
مشخصات داده ها بعد از انجام آنالیز های آماری به صورت جدول(۴-۲) خواهد بود.
جدول(۴-۲) مشخصات داده های مورد استفاده در شبکه عصبی
پارامتر
پارامترهای ورودی
پارامتر خروجی
IBP (°C)
۱۰% (°C)
۵۰% (°C)
۹۰% (°C)
FBP (°C)
RON
میانگین
۳۵٫۵۶۹
۶۳٫۹۰۱
۱۰۳٫۰۴
۱۵۰٫۴۸
۱۸۲٫۲۲
۸۶٫۴۴۰
انحراف معیار
۳٫۱۸۴
۳٫۹۴۹
فرم در حال بارگذاری ...
[یکشنبه 1401-04-05] [ 08:55:00 ب.ظ ]
|