دوره 18، شماره 51 - ( 4-1397 )
جلد 18 شماره 51 صفحات 40دوره23فصل__Se |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Entezari A, Mayvaneh F, Rezaie K, Rahimi F. (2018). An adaptive estimation method to predict thermal comfort indices man using car classification neural deep belief. jgs. 18(51), 23-40. doi:10.29252/jgs.18.51.23
URL: http://jgs.khu.ac.ir/article-1-2727-fa.html
URL: http://jgs.khu.ac.ir/article-1-2727-fa.html
انتظاری علیرضا، میوانه فاطمه، رضایی خسرو، رحیمی فاطمه. ارائه یک روش تخمین در پیش‌بینی شاخص‌های آسایش حرارتی انسان با بهره‌گیری از طبقه‌بندی ماشین عصبی باور عمیق تحقیقات کاربردی علوم جغرافیایی 1397; 18 (51) :40-23 10.29252/jgs.18.51.23
علیرضا انتظاری1 
، فاطمه میوانه* 2، خسرو رضایی3 ، فاطمه رحیمی1
، فاطمه میوانه* 2، خسرو رضایی3 ، فاطمه رحیمی1
1- دانشگاه حکیم سبزواری، خراسان رضوی، سبزوار، پردیس دانشگاه حکیم سبزواری، دانشکده جغرافیا و علوم محیطی
2- دانشگاه حکیم سبزواری، خراسان رضوی، سبزوار، پردیس دانشگاه حکیم سبزواری، دانشکده جغرافیا و علوم محیطی ،fmayvaneh@yahoo.com
3- دانشگاه حکیم سبزواری، خراسان رضوی، سبزوار، پردیس دانشگاه حکیم سبزواری، دانشکده فنی و مهندسی
2- دانشگاه حکیم سبزواری، خراسان رضوی، سبزوار، پردیس دانشگاه حکیم سبزواری، دانشکده جغرافیا و علوم محیطی ،
3- دانشگاه حکیم سبزواری، خراسان رضوی، سبزوار، پردیس دانشگاه حکیم سبزواری، دانشکده فنی و مهندسی
چکیده: (5701 مشاهده)
آسایش و عدم آسایش حرارتی انسان از طریق شاخص‌های تئوری و تجربی زیادی محاسبه می‌شوند که داده‌های ورودی این شاخص‌ها بسیاری از عناصر آب و هوایی از جمله سرعت باد، درجه حرارت، رطوبت، تابش خورشید و غیره می‌باشد. در مطالعه حاضر از داده‌های روزانه درجه حرارت، سرعت باد،رطوبت نسبی و ابرناکی شهر مشهد بین سال‌های1392-1383 استفاده شده است. ابتدا پارامتر Tmrt در محیط نرم افزار Ray Man محاسبه و با استفاده از نرم افزار Bioklima مقادیر شاخص‌های UTCI وPMV استخراج گردید. نتایج مطالعه نشان می‌دهد که شدیدترین تنش‌های سرمایی بر اساس شاخص PMV در فصل زمستان و اواخر فصل پاییز مشاهده می‌شود. و شاخص UTCI نیز در ماه‌های دی و بهمن بیشترین تنش سرمایی را دارند. با وجود توانایی شبکه‌های عصبی، پیش بینی عملکرد آینده شبکه (تعمیم یافتگی) به سادگی امکان‌پذیر نیست و لذا مدل جدیدی در این مقاله ارائه گردیده که از شبکه‌های عصبی مبتنی بر ماشین بولتزمان محدود شده یا شبکه‌های عصبی باور عمیق بهره گرفته است. با بکارگیری این ساختار، معیارهای میانگین مربعات خطای استاندارد (MSE) و میانگین مطلق درصد خطا (MAPE) محک خوردند و برای 7 شاخصه حاصل از داده‌های گردآوری شده که سه شاخصه مربوط به زمان وقوع شرایط آب و هوایی و سایرین، شاخص‌های حرارتی آسایش انسان است، در سیستم ارزیابی گردید. ارزیابی با تقسیم داده‌ها به بخش‌های آموزشی و آزمایشی و به ترتیب به نسبت‌های دوسوم، پنجاه درصد و یک سوم صورت پذیرفته است و دو محک MSE و MAPE محاسبه شدند. عملکرد سیستم پیشنهادی در پیش بینی وضعیت آسایش حرارتی انسان مطلوب بود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
برنامه ریزی توریسم
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)