پایان‌نامه

طراحی شبکه عصبی پویا به منظور پیش بینی حجم ترافیک

چکیده

پیش بینی و کنترل جریان ترافیک به صورت پویا و قابل اطمینان، پایه و اساس مدیریت و کنترل سیستم های حمل و نقل هوشمند است. روش های متفاوتی جهت کنترل ترافیک استفاده شده است، که برای تمامی این روش ها قابلیت اطمینان بالا در پیش بینی شرایط ترافیکی، بسیار حائز اهمیت می باشد. در این پژوهش، هدف استخراج مدلی دقیق جهت پیش بینی جریان ترافیک با استفاده از اطلاعات گذشته است. داده های مورد استفاده در این تحقیق تعداد خودروهای عبوری قسمتی از بزرگراه i-494، شهر مینسوتا آمریکا، با بازه های زمانی ساعتی و دوره شش ماهه می باشد. در این پژوهش ابتدا آشوبناک بودن سیستم با استفاده از آزمون نمای لیاپانوف بررسی شده و سپس با استفاده از نظریه اطلاعات متقابل ، ورودی های مناسب انتخاب می شوند، تا از این طریق بتوان بهترین ساختار ورودی را برای مدل پیش بینی بدست آورد. با توجه به ویژگی شبکه های عصبی در مدل سازی سیستم های غیرخطی و متغیر با زمان، جهت پیش بینی جریان ترافیک از شبکه عصبی برگشتی بر پایه توابع شعاعی استفاده شده است. آموزش پارامترهای آزاد شبکه عصبی، همچون وزن ها با الگوریتم عاطفی مبتنی بر گرادیان نزولی انجام می گیرد. در پایان روش پیشنهادی با روش های معمول مقایسه شده، که نتایج به دست آمده برتری مدل پیشنهادی را نشان می دهد.

اساتید راهنما و مشاور

محمد تشنه لب، اشکان رحیمی کیان

پایان‌نامه‌های مشابه

اسناد مشابه

  • مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

    مقاله۲۰۱۵آینده پژوهی مدیریترکسانا خشوعی، محمدعلی خطیب سمنانی، منیژه هادی نژاد

    این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده

  • مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

    مقاله۲۰۱۵آینده پژوهی مدیریتمحمدعلی خطیب سمنانی، منیژه هادی نژاد، رکسانا خشوعی

    این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده

  • طراحی شبکه عصبی مصنوعی برای پیش بینی توأم سندرم متابولیک و شاخص مقاومت به انسولین (homa-ir): مطالعه قند و لیپید تهران

    مقالهدانشور پزشکییداله محرابی، yadollah mehrabi مرتضی سدهی، morteza sedehi انوشیروان کاظم نژاد، anoushirvan kazemnejad وحید جوهری مجد

    مقدمه و هدف: زمانی که در یک مطالعه بیش از یک متغیر پاسخ با مقیاس اندازه گیری متفاوت داشته باشیم، این گونه پاسخ ها را چند متغیره آمیخته می گویند. با توجه به محدودیت ها و برقرارنبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی این پاسخ ها کارایی ندارند. هدف این م

  • طراحی شبکه عصبی مصنوعی برای پیش بینی نتایج حاملگی در مادران باردار لوپوسی در ایران

    مقالهمجله دانشکده پزشکی دانشگاه علوم پزشکی تهرانمحمود اکبریان، mahmoud akbarian rheumatology research center, tehran university of medical sciences, tehran, iran.مرکز تحقیقات روماتولوژی، دانشگاه علوم پزشکی تهران خدیجه پایدار، khadijeh paydar department of health information management, school of allied medical sciences, tehran university of medical sciences, tehran, iran.گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهرانن شراره رستم نیاکان کلهری، sharareh r ostam niakan kalhori department of public health, school of public health, ahvaz jundishapur university of medical sciences, ahvaz, iran.گروه بهداشت عمومی، دانشکده بهداشت، دانشگاه علوم پزشکی جندی شاپور اهواز عباس شیخ طاهری

    زمینه و هدف: لوپوس اریتماتوی سیستمیک (sle) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می باشد. بارداری برای زنان با sle به عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده های مناسب ضروری است. هدف این مط

  • طراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)

    مقاله۲۰۱۹پژوهشنامه حمل و نقلمریم رحمتی، رضا رادفر، عباس طلوعی اشلقی، نازنین پیله وری سلماسی

    تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله

  • مقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران لوسمی حاد

    مقالهفصلنامه پژوهشی خونسعید حسینی تشنیزی، s. hosseini teshnizi دانشگاه علوم پزشکی هرمزگان مهدی تذهیبی، m. tazhibi دانشگاه علوم پزشکی اصفهانسازمان اصلی تایید شده: دانشگاه علوم پزشکی هرمزگان (hormozgan university of medical sciences) مینا توسلی فرحی، m. tavasoli farahi دانشگاه علوم پزشکی هرمزگانسازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (isfahan university of medical sciences)

    چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روش‏های رایج تحلیل داده‏های بقا می‏باشد که قبل از به ‏کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدل‏های شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‏بینی بقا می‏باشند. هدف از این مطالعه، مقایسه‏ توانایی مدل