fa مقایسه روش‌های رگرسیون خطی و شبکه عصبی مصنوعی در پیش‌بینی میزان مرگ و میر به عنوان تابعی از دمای هوا (مطالعه موردی: تهران) عمومى General پژوهشی Original <p><strong>مقدمه:</strong> تغییرات فصلی و روزانه مرگ و میر ارتباط مستقیمی با دما دارد. در این تحقیق داده‌های روزانه مرگ و میر و پارامتر دما طی دوره 2005 -2002 مورد استفاده قرار گرفته است. </p><p><strong>روش کار:</strong> برای پردازش داده‌ها روش‌های تعیین ضریب همبستگی پیرسون، رگرسیون خطی ساده، رگرسیون چندجمله‌ای و شبکه‌های عصبی مصنوعی به عنوان یک روش غیر خطی ( ANN )استفاده شده است. </p><p><strong>یافته‌ها:</strong> نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی منفی و معنی‌دار بین پارامتر دما با میانگین ماهانه تعداد کل مرگ و میر و مرگ و میر ناشی از بیماری‌های قلبی می‌باشد. ارتباط بین این دو با استفاده از شبکه عصبی و الگوریتم‌های ژنتیکی در مقایسه با روش‌های کلاسیک از جمله رگرسیون خطی و رگرسیون چندجمله‌ای نیز نشان می‌دهد که ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک نتیجه بهتری را ارایه می‌کند. به این صورت که بعد از آزمون شبکه با لایه‌های پنهان و ضرایب یادگیری مختلف در حالتی که نمونه‌ها به صورت منظم قرار گرفته دقت مدل افزایش پیدا می‌کند. </p><p><strong>بحث:</strong> با توجه به نتایج حاصله می‌توان گفت که شبکه عصبی به خوبی رابطه غیرخطی بین میانگین ماهانه مرگ و میر را در ارتباط با دمای هوا پیش‌بینی می‌کند. ولی در عین حال با ترکیب الگوریتم ژنتیک و شبکه عصبی سرعت تحلیل و دقت فرآیند افزایش می‌یابد به عبارتی دیگر میزان خطا کاهش می‌یابد. </p><p>  </p> <p> <strong> </strong></p><p align="center">  Farajzadeh M <a name="_ftnref1"><u>*</u> </a>¹(PhD), Darand M² (MS) </p><p>  </p><p align="center"> ¹<i>Department of Remote Sensing and GIS, Tarbiat Modares University, Tehran, Iran </i></p><p align="center"> <i>²</i><i>Departmant of Geography, Tarbiat Modares University, Tehran, Iran </i></p><p> <i> </i></p><p align="center"> <strong> Received: 8 Jun 2009, Accepted: 3 Nov 2009 </strong></p><p>  </p><p>  </p><p> <strong> Abstract </strong><strong></strong></p><p><em>  </em></p><p><strong>Introduction: </strong>Seasonal and daily human mortality changes have correlation with air temperature. In this research, daily human mortality data and air temperature during 2002- 2005 has been used. </p><p><strong>Methods: </strong>For data analysis, Pearson adjusted correlation coefficient, polynomial regression as a semi-linear method and artificial neural network as a non-linear method have been used. </p><p><strong>Results: </strong>The results of Pearson correlation analysis showed significant negative correlation between air temperature and total human mortality and mortality caused by cardiovascular diseases. Their correlation by artificial neural network and genetic algorithm indicated a better result compared to the classic methods (linear and polynomial regression). After network training with different hidden layers and different stepsizes, it was indicated that the use of artificial neural network with one hidden layer of perceptron results in a better model, in the setting of arranged samples. </p><p><strong>Conclusion: </strong>Therefore, it can be said that neural network can forecast the nonlinear relation between monthly mortality and air temperature, while the combined model of neural network with genetic algorithms can increase analysis speed and accuracy and therefore decrease errors in calculations. </p><p>  </p><p><strong>Key words: </strong>Mortality, Tehran, Artificial Neural Network, Regression Analysis, Temperature. </p><p></p><p></p><p><strong><em>Hakim Research Journal 2009 12(3): 45- 53. </em></strong></p><p><em>  </em></p><br clear="all" ><em><hr width="33%" size="1" ></em><p><em> </em><a name="_ftn1"><em> <u>*</u> </em></a><em>Corresponding Author: Department of Remote Sensing and GIS, Tarbiat Modares University, P.O. Box 14155-4838, Tehran, Iran. Tel: +98- 912- 1723124, Fax: +98- 21- 88006544, Email: </em><a href="farajzam@modares.ac.ir"><u><em>farajzam@modares.ac.ir</em></u></a><em>�</em></p> مرگ و میر، تهران، شبکه عصبی مصنوعی، مدل رگرسیون خطی و پولی نومیال، درجه حرارت 45 53 http://hakim.tums.ac.ir/browse.php?a_code=A-10-5-414&slc_lang=fa&sid=1 Farajzadeh M دکتر منوچهر فرج‌زاده farajzam@modares.ac.ir Yes Darand M محمد دارند No