دانلود ترجمه مقاله روش تازه به منظور پیش بینی بارش با به کارگیری الگوریتم K (ساینس دایرکت – الزویر ۲۰۱۷) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۷ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۱۷ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

روش تازه به منظور پیش بینی بارش با به کارگیری الگوریتم K-نزدیکترین همسایگی بهبود یافته

عنوان انگلیسی مقاله:

A novel approach for precipitation forecast via improved K-nearest neighbor algorithm

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۷
تعداد صفحات مقاله انگلیسی ۷ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article) 
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی کامپیوتر
گرایش های مرتبط با این مقاله هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
چاپ شده در مجله (ژورنال) انفورماتیک مهندسی پیشرفته – Advanced Engineering Informatics
کلمات کلیدی الگوریتم KNN، بهبود الگوریتم KNN، پیش بینی بارش، بارش
کلمات کلیدی انگلیسی KNN algorithm – Improved KNN algorithm – Precipitation – Precipitation forecast
ارائه شده از دانشگاه مرکز اطلاعات هواشناسی پکن ، چین
نمایه (index) Scopus – Master journals – JCR
نویسندگان Mingming Huang، Runsheng Lin، Shuai Huang، Tengfei Xing
شناسه شاپا یا ISSN ISSN ۱۴۷۴-۰۳۴۶
شناسه دیجیتال – doi  https://doi.org/10.1016/j.aei.2017.05.003
ایمپکت فاکتور(IF) مجله ۵٫۱۱۷ در سال ۲۰۱۸
شاخص H_index مجله ۶۸ در سال ۲۰۱۹
شاخص SJR مجله ۱٫۰۹۱ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۸
بیس است 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر دارد  
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۰۰۴۵
لینک مقاله در سایت مرجع لینک این مقاله در نشریه Elsevier
نشریه الزویر

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود در فایل ورد و PDF
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۷ صفحه (شامل ۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه شده است  
ترجمه متون داخل جداول ترجمه شده است  
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است  
منابع انتهای متن به صورت انگلیسی درج شده است  

 

فهرست مطالب

چکیده
۱- مقدمه
۲- کارهای مرتبط
۲-۱- KNN
۲-۲- WKNN و DWKNN
۳- الگوریتم KNN بهبود یافته ما
۴- پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته برای منطقه پکن
۴-۱- داده های بارندگی و پیش بینی کننده ها
۴-۲- نرمالیزاسیون
۴-۳- پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته
۵- آزمایشات و نتایج
۵-۱- معیارهای ارزیابی عملکرد پیش بینی بارندگی
۵-۲- پیش بینی بارش
۶- نتیجه گیری
منابع

 

بخشی از ترجمه

چکیده

روش پیش بینی نقش حیاتی در پیش بینی دقیق بارش دارد. اخیرا، یادگیری ماشین به میزان زیادی برای پیش بینی بارش استفاده شده است، و الگوریتم K-نزدیکترین همسایگی (KNN)، یکی از روش های یادگیری ماشین، عملکرد خوبی نشان داد. در این مقاله، ما یک الگوریتم KNN ارتقا یافته را ارائه می کنیم، که در برابر انتخاب های مختلف سایز همسایگی k به ویژه در مورد توزیع غیر عادی کلاس مجموعه داده های بارش، نیرومندی نشان می دهد،. سپس، بر مبنای الگوریتم KNN ارتقا یافته، یک روش پیش بینی بارش مطرح می شود. نتایج تجربی وسیع اثربخشی روش پیش بینی بارش مبتنی بر الگوریتم KNN پیشنهادی ما را نشان می دهد.

 

۶- نتیجه گیری

در این مقاله، یک الگوریتم KNN ارتقا یافته ارائه شده است. این الگوریتم توانمندی خود را در مقابل گزینه های مختلف اندازه برای نزدیکترین همسایگی K به خصوص در حالت مجموعه ای از داده های پیش بینی با توزیع نامساعد نشان می دهد. سپس با تکیه بر الگوریتم KNN رویکرد جدید پیش بینی بارش را ارائه می کنیم. یافته های آزمایشی گسترده پیش بینی درجه و باران و بدون باران نشان می دهد که رویکرد پیش بینی بر اساس الگوریتم KNN ارتقا یافته تاثیرگذار است. در کارهای آتی ما در صدد آن هستیم تا روش های انتخابی پیش بینی کننده ها را طراحی کنیم تا عملکرد پیش بینی بارش را ارتقا دهیم.

 

بخشی از مقاله انگلیسی

Abstract

The prediction method plays crucial roles in accurate precipitation forecasts. Recently, machine learning has been widely used for forecasting precipitation, and the K-nearest neighbor (KNN) algorithm, one of machine learning techniques, showed good performance. In this paper, we propose an improved KNN algorithm, which offers robustness against different choices of the neighborhood size k, particularly in the case of the irregular class distribution of the precipitation dataset. Then, based our improved KNN algorithm, a new precipitation forecast approach is put forward. Extensive experimental results demonstrate that the effectiveness of our proposed precipitation forecast approach based on improved KNN algorithm.

 

۶- Conclusions

In this article, an improved KNN algorithm has first been proposed. It offers robustness against different choices of the neighborhood size k particularly in the case of the precipitation dataset with an uneven distribution. Then based on the improved KNN algorithm, we introduce a new precipitation forecast approach. Extensive experimental results for grade forecast and rain and no-rain forecast demonstrate that the effectiveness of our proposed precipitation forecast approach based on improved KNN algorithm. In our future work, we are willing to design selecting methods of predictors to improve the performance of precipitation forecast.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

روش تازه به منظور پیش بینی بارش با به کارگیری الگوریتم K-نزدیکترین همسایگی بهبود یافته

عنوان انگلیسی مقاله:

A novel approach for precipitation forecast via improved K-nearest neighbor algorithm

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.