ارزیابی رضایتمندی شهروندان از سیستم حمل و نقل درونشهری همدان با استفاده از مدل های غیر خطی و شبکه عصبی مصنوعی
author
Abstract:
حمل و نقل یکی از مهمترین زیربناهای تشکیلدهنده زندگی شهری است که شکل و چگونگی توسعه اجتماعی و اقتصادی شهر را تعیین میکند. در این راستا، بررسی کیفیت حمل و نقل شهر همدان که میتواند در توسعه آن بسیار مفید باشد؛ مورد توجه قرار گرفت. جهت ارزیابی میزان رضایتمندی شهروندان از سیستم حمل و نقل از مدل رگرسیون ناپارامتریک و شبکه عصبی مصنوعی استفاده شد. بدین منظور ابتدا با تدوین پرسش نامه ای که بر اساس سه شاخص اصلی (وضعیت تجهیزات و تأسیسات، وضعیت ساختار کالبدی و وضعیت مدیریت و شیوه خدمات رسانی) پایه ریزی گردید؛ دیدگاه شهروندان جمع آوری شد. سپس با اتحاذ این شاخص ها به عنوان متغیر مستقل و میزان رضایتمندی به عنوان متغیر وابسته، یک مدل رگرسیون ناپارامتریک اجرا شد. میزان همبستگی و جذر میانگین مربعات خطای خروجی از این مدل به ترتیب به مقدار 914/0 و 334/0 مقدار بدست آمد. در رویکردی دیگر با استفاده از شبکه عصبی مصنوعی، یک مدل با ساختار سه نرون ورودی، یک لایه پنهان و یک نرون خروجی پایهریزی شد. همبستگی خروجی این مدل به مقدار 998/0 مقدار و جذر میانگین مربعات خطای آن در حدود 6 برابر کمتر از مدل رگرسیونی محاسبه شد. نتایج نشان دادندکه مدل شبکه عصبی با تخمین توأمان روابط خطی و غیرخطی، از انعطفافپذیری و قابلیت مناسبتری نسبت به رگرسیون ناپارامتریک برخوردار است. از طرفی شاخص های قیمتگذاری با ضریب(853/0)، برابری و رفاه با(795/0) و کاهش تقاضای سفر با(790/0) مقدار، اثر گذارترین شاخص ها در رضایتمندی شهروندان از شبکه حمل و نقل شهری هستند.
similar resources
مدل پیشبینی رضایتمندی شهروندان از بوستانهای شهری با استفاده از شبکه عصبی مصنوعی
یکی از مهمترین عناصر شهرها، بوستانها و فضاهای سبز شهری هستند. نوع طراحی و عملکرد بوستانهای شهری باید در راستای ضروریات زندگی شهری و در پاسخگویی به نیاز شهروندان باشد چرا که این امر میتواند در جهت ایجاد محیط زیست سالم و با ارزش شهری نیز به کار گرفته شود. هدف از انجام این پژوهش مدلسازی ارزیابی رضایتمندی بازدیدکنندگان از بوستانهای شهری با استفاده از شبکه عصبی مصنوعی است. در انجام این پژوهش ...
full textThe effect of cyclosporine on asymmetric antibodies and serum transforming growth factor beta1 in abortion-prone model of mice CBA/J x DBA/2
كچ ي هد فده و هقباس : ي ک ي طقس زورب للع زا اه ي ،ررکم ا لماوع تلاخد ي ژولونوم ي ک ا رد ي ن قم طققس عون ي وراد دقشاب ي س ي روپسولک ي ،ن ح لدم رد طقس شهاک بجوم ي ناو ي CBA/j×DBA/2 م ي تنآ ددرگ ي داب ي اه ي ان و راققتم TGF-β لماوع زا عت مهم يي ن گلماح تشونرس هدننک ي سررب روظنم هب رضاح هعلاطم تسا ي ات ث ي ر اس ي روپسولک ي ن م رب ي از ا ي ن تنآ عون ي داب ي س و اه ي اکوت ي ن TGF...
full textThe Study of Stressful Factors in Clinical Education for Nursing Students Studying in Nursing and Midwifery College in Khorramabad
کچ هدي پ شي مز هني فده و : شزومآ لاب يني شخب ساسا ي شزومآ مهم و راتسرپ ي تسا . و هنوگ ره دوج لکشم ي شزومآ رد لاب يني ، آراک يي هدزاب و ا ني شزومآ زا شخب راچد ار لکشم م ي دنک . فده اب رضاح شهوژپ سررب ي لماوع سرتسا از ي شزومآ لاب يني رد وجشناد ناي راتسرپ ي هدکشناد راتسرپ ي و يامام ي ماـجنا داـبآ مرـخ تسا هتفرگ . شور و داوم راک : رضاح هعلاطم کي هعلاطم صوت يفي عطقم ي تسا . د...
full textتخمین مدول الاستیسیته سنگ بکر با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی
مدول الاستیسیته سنگ بکر یکی از ملزومات اساسی بسیاری از مطالعات ژئومکانیکی و به ویژه پروژه های حفاری سنگ می باشد. برای تعیین مستقیم مدول الاستیسیته نمونه مغزههای باکیفیت بالا و هندسه مناسب مورد نیاز بوده و تهیه نمونههای مناسب از سنگهای شکسته و هوازده برای این منظور به آسانی امکانپذیر نیست. بنابراین مدلهای پیشبینی مدول الاستیسیته براساس خصوصیات شاخص سنگ بکر ارائه گردیدهاند. در این مطالعه ب...
full textپیشبینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی
روشهای مختلفی جهت اندازهگیری کارایی بتن وجود دارد که یکی از متداولترین و معمولترین روشها، آزمایش اسلامپ است. جهت دستیابی به مخلوطهای بتنی با اسلامپ مورد نظر، باید مخلوطهای مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آنها صورت گیرد. جهت صرفهجویی در زمان، هزینه و مصالح بهتر است از روشهای هوشمندی جهت پیشبینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوطهای بتنی استفاده شود. د...
full textمدل سازی خطی سیستم های غیر خطی با کمک شبکه های عصبی مصنوعی بر پایه داده های ورودی – خروجی و کاربرد آن در بویلر نیروگاه
در این مقاله روش جدیدی برای مدل سازی خطی سیستم های غیر خطی ارائه می گردد . اساس روش پیشنهادی طراحی یک شبکه عصبی مصنوعی دو لایه وآموزش آن بر مبنای داده های ورودی- خروجی است . وزن های اتصالات این شبکه ضرایب تابع تبدیل هستند . در سیستم هایی که رفتار آنها خطی باشد ، روش حداقل کردن مربعات خطا (lse) بهترین نتایج مدل سازی را ارائه می نماید . در سیستم هایی که رفتار غیر خطی دارند ، نظیر بعضی قسمت های ب...
full textMy Resources
Journal title
volume 13 issue 4
pages 933- 950
publication date 2019-03-20
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023