آنالیز آشوبناک سری زمانی جریان ترافیک و پیش بینی آن مبتنی بر سیستم فازی - عصبی تطبیقی چندگانه

امروزه پیش بینی جریان ترافیک به عنوان هسته اصلی مطالعات سیستم های حمل و نقل هوشمند مطرح شده است دراین مقاله با توجه به ویژگیهای تطبیق پذیری الگوریتمهای خودیادگیر شبکه های عصبی و نیز یادگیری قوانین فازی که در ساختار ANFIS ترکیب شده است از این مدل برای پیش بینی کوتاه مدت حجم ترافیک استفاده شده است در روش بکارگرفته شده دراین مقاله ابتدا با انجام عملیات پیش پردازش که شامل حذف ساعت ها و روزهای خاص و نیز مقداردهی به بازه هایی که حجم ترافیک در آنها ثبت نشده است می باشد داده ها را آماده کرده و سپس با محاسبه بزرگترین نمای لیاپانوف به بررسی غیرتصادفی و پیش بینی پذیر بودن جریان ترافیک پرداخته شده است.

کلیدواژه ها:

سری زمانی ، پیش بینی کوتاه مدت ، جریان ترافیک ، ANFIS