User: Mina
Date built: 29/1/12 4:06 PM
Application: Clementine 12.0
Elapsed time for model build: 0 hours, 0 mins, 20 secs
همان‌طور که مشخص است دقت مدل برازش شده بالاتر از ۹۷ درصد می‌باشد که می‌توان نتیجه گرفت به لحاظ دقت و پیش بینی برتر از مدل تعمیم یافته خطی عمل می‌کند ولی با توجه به خاصیت مدل‌های شبکه عصبی مدلی به منظور شناسایی ارتباط متغیرها و همین طور شاخص های دیگری به منظور بررسی کفایت مدل ارائه نمی شود. برای برای به دست آوردن نتایج پیش بینی توسط این مدل، می بایست اطلاعات مورد نظر در ذیل اطلاعات ورودی مدل شبکه عصبی قرار بگیرد و آن گاه خروجی در قالب جدول قابل مشاهده خواهد بود.

(( 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. ))

طبق اطلاعات مدل، شبکه عصبی استفاده شده به صورت زیر می‌باشد:
شکل ۴-۱۰: مدل شبکه عصبی
N₁
N₂
N₃
N₄
N₅
N₆
N₇
N₈
N₉
N₁₀
N₁₁
N₁₂
N₁₃
N₁₄
N₁₅
N₁₆
N₁₇
N₁₈
N₁₉
لایه ورودی
لایه پنهان
لایه خروجی
ارزیابی مدل شبکه عصبی
در این بخش نیز همانند ارزیابی مدل خطی تعمیم یافته از ابزار آنالیز استفاده شده است. نتایج به دست آمده به شرح ذیل می باشد.
شکل ۴-۱۱: آنالیز مدل شبکه عصبی
تعیین ارتباط میان آب گرفتگی نواحی مختلف یک منطقه
آب گرفتگی و آب افتادگی به دلیل ویژگی سیال بودن می تواند به راحتی در سطح منطقه جا به جا شود در صورت عدم رسیدگی به موقع نواحی اطراف را نیز تحت تاثیر خود قرار دهد به عبارت دیگر جریان آب مزاحم از یک ناحیه به ناحیه دیگر قابل تسری است. از این رو در این بخش سعی داریم با بهره گرفتن از قوانین وابستگی، وجود یا عدم وجود الگوهای ناشی از وابستگی پیام های مربوط به آب گرفتگی را در میان نواحی مختلف یک منطقه بررسی کنیم. از آن جا که حجم داده ها امکان انجام این محاسبه را به ازای تمامی نواحی مناطق ۲۲ گانه نمی داد، نواحی ده گانه منطقه ۱ به عنوان نمونه انتخاب و با بهره گرفتن از ابزار Sequence در نرم افزار Clementine این تحلیل صورت گرفت.
علت استفاده از این ابزار، وجود عامل زمان در این تحلیل است. هنگامی که در قوانین وابستگی نیاز به در نظر گرفتن دتباله‌ای از زمان باشد، ابزار Sequence تنها ابزار موجود داده کاوی در نرم افزار Clementine می‌باشد.
همان طور که در توضیح قواعد وابستگی در فصل دوم بیان شد، دو شاخص پشتیبان و اطمینان به منظور سنجش کیفیت قوانین به دست آمده، استفاده می شود. به منظور افزایش اطمینان از کیفیت قوانین تولید شده، میزان حداقل اطمینان برابر ۸۰ و میزان حداقل پشتیبان برابر ۲۰ در نظر گرفته شد. با توجه به این موضوع، ۲۴ دنباله معنی دار شناخته شد که تعدادی از آن در جدول ۴-۱۲ آورده شده است.
جدول۴-۱۲ بخشی از ارتباط‌های دنباله‌ای شناسایی شده