سیستم های خبره و کاربردهای آنها: داده کاوی با روش های مختلف بهینه سازی

ترافیک (عبور و مرور) جادهای به عنوان منبع اصلی سر و صدای محیطهای شهری شناخته شده و به اثبات رسیده است که این سر و صدا به طور قابل توجهی بر سلامت جسمی و روانی انسان و بهره وری نیروی کار تاثیر می گذارد. پس، بسیار مهم است برای کنترل سطح صوتی این سر و صدا در محیطهای شهری به توسعه روشهای مدلسازی سر و صدای ترافیک جادهای بپردازیم.همانطور که در ادبیات موضوع مشاهده می شود، روشهایی که با این موضوع سر و کار دارند عموما بر اساس تحلیل رگرسیون پایه گذاری شده اند و دیگر رویکردها کمتر به کار برده شده اند. در این مقاله روشی جدید ارائه شده که بر اساس بهینه سازی استوار است. در شبیه سازی این کار از چهار تکنیک استفاده شده است؛ الگوریتم ژنتیک، الگوریتم هوکی و جیوز، بازپخت و تبرید شبیه سازی شده و بهینه سازی اجتماعات. دو سناریوی متفاوت در این مقاله ارائه شده است.در سناریوی اول روشهای بهینه سازی، برای پیدا کردن مناسب ترین پارامترها از کل مجموعه داده های اندازه گیری شده استفاده می شود، در حالی که در سناریوی دوم، فقط بابعضی از داده های اندازه گیریپارامترهای بهینه شده پیدا شدند در حالی که از مابقی داده ها برای ارزیابی قابلیت های پیش بینی مدل استفاده شد. برازش مدل با استفاده از ضریب تعیین و دیگر پارامترهای آماری ارزیابی شد و نتایج در هر دو سناریو نتایج نشان دهنده توافق بالای بین داده های اندازه گیری شده و ارزشهای محاسبه شده هستند. همچنین، این مدل را با مدلهای آماری کلاسیک هم مقایسه کردیم و قابلیتهای برتر مدل پیشنهادی ما نشان داده شد. شبیه سازی نیز با استفاده از بسته ای از نرم افزارهای موثق و کاربر پسند انجام شد.

کلیدواژه ها:

سروصدای ترافیک ، هوش مصنوعی ، الگوریتم ژنتیک ، هوکی و جیوز ، بازپخت و تبرید شبیه سازی شده ، بهینه سازی اجتماع ذرات ، نرم افزار