سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

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

Publish Year: 1391
Type: Conference paper
Language: Persian
View: 746

This Paper With 10 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

OICIRAN05_089

Index date: 16 September 2016

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

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

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

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

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

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

استادیار و عضو هیئت علمی دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper 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 ...
نمایش کامل مراجع

مقاله فارسی "شناسایی خطاهای موجود در برداشت دادههای مربوط به تعیین الگوی جریان و آبشستگی با استفاده از روش ضریب داده پرت محلی" توسط 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، استادیار و عضو هیئت علمی دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر نوشته شده و در سال 1391 پس از تایید کمیته علمی پنجمین همایش بین المللی صنایع فراساحل پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله یادگیری ماشین، الگوی جریان و آبشستگیLOF شناسایی خطا، فیلتراسیون، روش ضریب داده پرت محلی هستند. این مقاله در تاریخ 26 شهریور 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 746 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که 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 ... . این مقاله در دسته بندی موضوعی یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله شناسایی خطاهای موجود در برداشت دادههای مربوط به تعیین الگوی جریان و آبشستگی با استفاده از روش ضریب داده پرت محلی با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.