مدل شبکه عصبی مصنوعی جهت پیش بینی کوتاه مدت تردد آزادراه قم-تهران

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 699

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACPD01_160

تاریخ نمایه سازی: 28 شهریور 1394

چکیده مقاله:

پیش بینی تردد ترافیک به دلیل پیچیدگی رفتار ترافیک امری دشوار است، لذا نگاشت یک رابطه ریاضی بین عوامل تاثیرگذار بطوریکه بتوان در موارد دیگر نیز رفتار ترافیک را پیش بینی کرد مشکل به نظر می رسد. در روش شبکه عصبی برای پیشبینی رفتار ترافیک، نیازی به یافتن توابع ریاضی جهت ارتباط داده ها نیست بلکه شبکه عصبی مصنوعی به روابط ذاتی بین دادهها پی برده و این اطلاعات را در وزن های خود حفظ می کند بطوریکه پس از یادگیری می تواند به حالت های مشابه تعمیمدهد. در این تحقیق از الگوریتم انتشار برگشتی برای آموزش شبکه استفاده شده است. در این الگوریتم ضرایب وزنی به گونه ایاصلاح می شوند که تابع خطا حداقل شود. برای کمینه کردن تابع خطا روش های مختلفی وجود دارند که در این تحقیق ازروش لونبرگ - مارکوارت استفاده شده است. همچنین جهت ساخت مدل شبکه عصبی نرم افزار متلب به کار گرفته شده است.در نهایت جهت تعیین اهمیت نسبی هر یک از پارامتر های ورودی بر خروجی مدل شبکه عصبی، آنالیز حساسیت انجام شدهاست. با توجه به نتایج به دست آمده شبکه عصبی کارایی خوبی برای پیش بینی کوتاه مدت جریان ترافیک از خود نشان داده است.

نویسندگان

پوریا اسدی فارسانی

دانش آموخته ارشد راه و ترابری، دانشگاه یزد

مهدی فلاح تفتی

استادیار دانشکده عمران، دانشگاه یزد

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 مقاله لینک شده اند :