50000 تومان
افزودن به سبد خرید
0 فروش 100 بازدید
جزئیات محصول
تعداد قسمت: 1
پسوند فایل: zip
حجم فایل: 8MB
فایل راهنما: دارد
فریم ورک: MATLAB
بسته نصبی: ندارد
امکانات: ام فایل متلب و فایل ورد (5 صفحه)
تاریخ انتشار: 17 فوریه 2021
دسته بندی: ,,

تبلیغات

پروژه متلب انجام الگوریتم های مختلف داده کاوی بر روی داده های مراکز تامین دوچرخه درتهران

هدف:

هدف از این مقاله انجام الگوریتم مختلف داده کاوی به منظور پیش بینی میزان مراجعه کننده در روزهای آینده وهمچنین بررسی تاثیر پارامترهای مختلف در عدد نهایی پیش بینی.

آماده سازی داده ها:

داده های در اختیار قرار داده شده بدون قالب مناسب پردازشی بوده و به همین دلیل باید ابتدا داده ها به فرمت مناسب پردازشی تبدیل و سپس الگوریتم مختلف روی آن اجرا گردد.

داده های تاریخ و زمان به فرمت های زیر تبدیل می شوند و علامات اضافه برای سادگی محاسبات حذف می گردند.

نمودار بالا تاثیر دو پارامتر سرعت باد و دید افقی را بر روی تعداد درخواست های دریافت دوچرخه نشان داده است.

نتیجه گیری:

باتوجه به مطالب ذکر شده می توان ادعا کرد از بین روش های خوشه بندی در حالت کلی درخت تصمیم  و در الگوریتم مبتنی بر پیش بینی با استفاده از سری های زمانی الگوریتم شبکه عصبی چندلایه/آرما/چند گام می باشند.

برای انتخاب تاثیر هر کدام از پارامترها بهتر است از الگوریتم ژنتیک و یا روش های مبتنی بر تغییر نسل و ارزشیابی پی در پی استفاده نمود.

 

داده ها: همانطور که مطلع هستید مرکز تحویل دوچرخه اخیرا در شهر تهران رواج یافته است. داده هاي این  پروژه تاریخ و ساعت تحویل یک دوچرخه در یکی از این مراکز است. داده ها در فایل اکسل (File4) 4ارائه شده است.

شرح پروژه:

۱ لازم است اعضاي گروه بر روي داده ها تامل کنند و مسائل مناسبی طرح کنند یعنی تفکر کنند که با این داده ها چه مشکلی را می توان با دانش پیشبینی حل نمود. خصوصیات یک مسئله در آنها وجود داشته باشد.۲ براي داده هاي ارائه شده حداقل باید تحلیلهاي زیر انجام شوند.

الف- آماده سازي داده ها: داده ها، داده هاي خام هستند و لازم است آماده سازي شوند. لازم است کلیه متغیرهاي بالقوه موثرمانند شرایط آب و هوایی، تاریخهاي قمري بر متغیرهاي پاسخ مناسب )مانند تعداد تقاضا در یکساعت( بر اساس نمودار علت و معلول شناسایی شوند.

ب- اجراي رویکرد رگرسیون براي پیش بینی و تحلیل روابط بین متغیرهاي بالقوه شناسایی شده و تعداد تقاضا )انجام گامهاي ذکر شده در رگرسیون الزامی است(

ج- اجراي رویکرد سري زمانی براي پیش بینی تعداد تقاضا )انجام گامها و توضیحات مبسوط الزامی است(

د-اجراي مدلهاي داده کاوي شامل خوشه بندي متغیر تعداد تقاضا )تنها یک متغیر در خوشه بندي وارد شود(، انتخاب تعداد خوشه مناسب و اجراي درخت تصمیم براي تحلیل عوامل بالقوه مناسب تاثیرگذار بر تعداد تقاضا

ه-پیش بینی تعداد تقاضا با رویکرد شبکه عصبی مصنوعی )اجراي مدل با متلب الزامی است(و-مقایسه دقت پیش بینی تعداد تقاضا براي داده هاي آزمایش

 

افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب