ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی جریان ترافیک توسط ANFIS با یک روش ا بتکاری در انتخاب ورودی ها

سال انتشار: 1390
کد COI مقاله: ICEEE03_218
زبان مقاله: فارسیمشاهد این مقاله: 779
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی جریان ترافیک توسط ANFIS با یک روش ا بتکاری در انتخاب ورودی ها

حسین ترکمنی نوقایی - دانشگاه آزاد اسلامی واحد گناباد
آصف زارع - دانشگاه آزاد اسلامی واحد گناباد
محسن فرشاد - دانشگاه آزاد اسلامی واحد گناباد
مجتبی پریچه - دانشگاه آزاد اسلامی واحد گناباد

چکیده مقاله:

داشتن پیش بینی درستی از جریان ترافیکی یک مسئله مهمدر سیستم های حمل و نقل هوشمند ITS به شمار می آید به دلیل اینکه جریان ترافیکی تحت تاثیر عوامل مختلف غیرخطی از جمله رفتار رانندگان وسایل نقلیه و ... قرار می گیرد یک سیستم غیرخطی قوی را تشکیل میدهد که با زمان تغییر م یکند در این مقاله سیستم ترافیکی حاکم بر یک مسیر با 5 تقاطع درشهر مشهد درنظر گرفته شده و داده های واقعی برای سالهای 2009 و 2010 از سیستم SCATS جمع آوری شده است از انجایی که ANFIS یک سیستم فازی - عصبی تطبیقی است لذا با قابلیت خود آموزشی که دارد می تواند یک کنترلر بهینه باشد چرا که تعداد پارامترهای بیشتری برای تنظیم در اختیار سیستم قرار میدهد و با آموزش دیدن تنظیم خوبی از شرایط حاکم بدست می آورد

کلیدواژه ها:

پیش بینی، حمل و نقل هوشمند، ترافیک هوشمند ، فازی - عصبی، جستجوی ترتیبی، سیستم فازی - عصبی تطبیقی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/125449/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ترکمنی نوقایی، حسین و زارع، آصف و فرشاد، محسن و پریچه، مجتبی،1390،پیش بینی جریان ترافیک توسط ANFIS با یک روش ا بتکاری در انتخاب ورودی ها،سومین کنفرانس مهندسی برق و الکترونیک ایران،گناباد،،،https://civilica.com/doc/125449

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، ترکمنی نوقایی، حسین؛ آصف زارع و محسن فرشاد و مجتبی پریچه)
برای بار دوم به بعد: (1390، ترکمنی نوقایی؛ زارع و فرشاد و پریچه)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 ممقالهقاله لینک شده اند :

  • محمد علی زمانی، بهزاد مشیری، علی خاکی صدیق، کنترل هوشمند ...
  • Gang Tong, Chunling Fan, Fengying Cui, Xiangzhong Meng, Fuzzy Neural ...
  • Fei Luo, Yu-Ge Xu, Jian-Zhong Cao, Elevator Trafic Flow Prediction ...
  • Liang Zhao and Fei-Yue Wang, Short-Term Fuzzy Traffic Flow Prediction ...
  • Tien-I Liu, Junyi Lee, and Gurinder Singh Gill, On-Line Monitoring ...
  • CHEN Bao-ping, MA Zeng-iang, Short-term Traffic Flow Prediction Based on ...
  • Software and Networks, 791-793, 2009 ...
  • Chenglin Hu and Feng Wan, Input Selection in Learning Systems: ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 676
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی