الگوریتم ترکیب فازی مدل های پیش بین جریان ترافیک در حضور داده های اغتشاشی
Authors
abstract
چکیده: پیش بینی جریان ترافیک یکی از راه حل های جلوگیری بروز ازدحام در بزرگراه ها است. با توجه به مطالعات انجامیافته، تاکنون یک مدل جامعی برای پیش بینی جریان ترافیک ایجاد نشده است که بتواند مانع وقوع ازدحام در شرایط مختلف ترافیکی بشود. یک ایده جالب برای حل این مسئله، استفاده از ترکیب چندین مدل پیش بین متفاوت برای کاهش خطای پیش بینی است. در این مقاله یک الگوریتم ترکیب جدید بر اساس منطق فازی جهت پیش بینی جریان ترافیک ارائه شده است و با انواع مختلف الگوریتم های ترکیب و مدل های پیش بین سابق مورد مقایسه قرار گرفته است. عملکرد کنترل کننده های فازی به صورت انتخاب نَرم است و انتظار می رود که این الگوریتم ترکیب جدید دارای دقت بالایی نسبت به سایر الگوریتم ها باشد. در ادامه برای نشان دادن عملکرد این الگوریتم ترکیب جدید، شبیه سازی هایی بر اساس داده های واقعی در نرم افزار matlab انجام شده است. با توجه به متفاوت بودن الگوهای رفتاری جریان ترافیک در واقعیت، عملکرد الگوریتم ترکیب جدید در حضور داده های ترافیکی آلودهشده تحت شرایط مختلف آب و هوایی نظیر بارش باران یا برف و دیگر شرایط ترافیکی مانند وقوع ازدحام و تصادف در جاده، ارزیابی شده است که حاکی از مقاوم بودن این الگوریتم در حضور انواع مختلف داده های اغتشاشی است.
similar resources
الگوریتم ترکیب فازی مدلهای پیشبین جریان ترافیک در حضور دادههای اغتشاشی
پیشبینی جریان ترافیک یکی از راهحلهای جلوگیری بروز ازدحام در بزرگراهها است. با توجه به مطالعات انجامیافته، تاکنون یک مدل جامعی برای پیشبینی جریان ترافیک ایجاد نشده است که بتواند مانع وقوع ازدحام در شرایط مختلف ترافیکی شود. یک ایده جالب برای حل این مسئله، استفاده از ترکیب چندین مدل پیشبین متفاوت برای کاهش خطای پیشبینی است. در این مقاله یک الگوریتم ترکیب جدید بر اساس منطق فازی جهت پیشبینی...
full textتحلیل استوار داده های فضایی در حضور داده های دورافتاده
معمولاً تابع تغییرنگار که ساختار همبستگی دادههای فضایی را تعیین میکند و نقش پایه ای در تحلیل آنها دارد، نامعلوم است و لازم است براساس مشاهدات برآورد شود. وجود داده های دورافتاده در مشاهدات تاثیر نامناسبی در برآورد تغییرنگار و سایر بخشهای تحلیل دادههای فضایی همچون پیشگویی فضایی و برآورد پارامترهای روند دارد. در این مقاله ابتدا با استفاده از برآوردگرهای مقیاس، چند برآوردگر استوار جدید با ن...
full textبررسی تحلیلی رابطه بین جریان های نقدی عملیاتی و اقلام تعهدی. ارایه مدل برای پیش بینی جریان های نقدی عملیاتی
پیش بینی جریان های نقدی برای استفاده کنندگان درون و برون سازمانی دارای اهمیت ویژه ای است. مهمترین هدف گزارش گری مالی ارایه اطلاعات برای پیش بینی جریان های نقدی بیان شده است. برخی از صاحب نظران و مراجع تدوین کننده مبانی نظری و هدف های گزارش گری مالی بر این باورند که با استفاده از سود حسابداری و اجزای آن می توان جریان ها نقدی را پیش بینی نمود. هدف این پژوهش یافتن مدلی است که بتوان به کمک آن جریا...
full textترکیب شبکه های عصبی و الگوریتم های تکاملی در پیش بینی تقاضای انرژی
پیشبینی روند تقاضای انرژی جهت اتخاذ سیاستهای مقتضی و مناسب اهمیت فراوانی دارد. به دلیل روند پرنوسان و غیر خطی تقاضای انرژی و متغیرهای موثر بر آن قابلیت روشهای هوشمند و غیر خطی به خصوص شبکههای عصبی و الگوریتمهای تکاملی به منظور پیشبینی تقاضای انرژی در مطالعات مختلف به اثبات رسیده است. با وجود نقاط قوت فراوان، این تکنیکها با مسائل مهمی همچون تحمیل فرم تبعی خاص- در الگوریتمهای تکاملی- یا ن...
full textیافتن جواب بهینه مدل انتخاب تکنولوژی با داده های فازی
در این مقاله روشی برای یافتن جواب بهینه مدل انتخاب تکنولوژی با داده های فازی معرفی می شود. مقاله یک روش ساده محاسباتی برای یافتن جواب بهینه مساله برنامه ریزی خطی فازی مدل انتخاب تکنولوژی پیشنهاد می کند که درآن نیاز به حل هیچ LP فازی نیست. این تحقیق از پیچیدگی محاسبات داده های فازی می کاهد و زمانیکه پیچیدگی بیشتری مطرح می شود اهمیت این روش نیز افزایش می یابد.
full textمدل بندی داده های فازی با رگرسیون اسپلاین تطبیقی چندگانه
در این مقاله به مدل بندی داده های ورودی دقیق-خروجی فازی پرداخته می شود و رویکرد رگرسیون مارس فازی با پارامترهای دقیق و جملات خطای فازی معرفی می گردد. روش پیشنهادی شامل دو مرحله است: در مرحله اول با استفاده از رگرسیون اسپلاین تطبیقی چندگانه (مارس) مراکز متغیر وابسته برآورد می شوند، و در مرحله دوم کمترین مقادیر خطاهای فازی بر اساس یک مساله بهینه سازی غیر خطی به دست می آیند. در انتها کاربرد مدل ...
full textMy Resources
Save resource for easier access later
Journal title:
مجله مهندسی برق دانشگاه تبریزPublisher: رئیس دانشکده مهندسی برق و کامپیوتر
ISSN
volume
issue مقالات آماده انتشار 2016
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023