اولویت بندی اصلاح نقاط پرحادثه راهها با کمک شبکه عصبی مصنوعی
Authors
Abstract:
روشهای اولویت بندی اصلاح مقاطع پر تصادف، عمدتا ًبر اساس روشهای تک معیاره استوار بودهاند. به این ترتیب که با تعریف یک معیار مستقل و مجزا، شناسایی و اولویت بندی مقاطع مختلف انجام می شده است. با توجه به کمبود بودجه برای انجام اقدامات ایمن سازی، اولویت بندی مقاطع غیر ایمن از اهمیت خاصی برخوردار است. در این راستا روشهای متفاوت و متعددی توسط کارشناسان ارائه شده که هر یک بر مبنای خاصی استوار بودهاند. در این بین میتوان به دو ساختار کلی مبتنی بر بررسیهای اقتصادی و فنی اشاره کرد. از طرفی به دلیل ضعف موجود در آمار تصادفات (ناقص، غلط یا بلا استفاده بودن آمار)، بهتر است تا روشهای شناسایی و اولویت بندی ارائه شده، تا حد امکان بدون توجه به آمار تصادفات پایه گذاری و مطرح شوند و در اینجاست که روشهای نو و فرا ابتکاری اهمیت ویژهای پیدا میکنند. در این تحقیق که بعنوان مطالعه جدیدی در زمینه ایمنی راه در کشور محسوب میگردد، از ابزار قدرتمند شبکههای عصبی مصنوعی چند لایه پیشخوراند برای پیشبینی اولویت اصلاح نقاط حادثه خیز محورهای استان مازندران، استفاده شده است و سعی شده است تا ضمن بررسی مزایای استفاده از شبکه عصبی، با در نظر گرفتن تاریخچه تصادفات نقاط و هزینههای اصلاح آنها روش دستیابی به اولویت بندی بهینه مورد تحلیل و بررسی قرار گیرد.
similar resources
شناسایی و اولویت بندی مهارت های کارآفرینی روستایی: کاربرد تکنیک شبکه عصبی مصنوعی
امروزه، گسترش فرهنگ کارآفرینی و فراهم ساختن بستر اخلاقی مناسب کسب و کار که یکی از فاکتورهای مؤثر برای توسعه اقتصادی کشورها قلمداد میشود، در گرو پرورش مهارتها، توانمندیها و قابلیتهای کارآفرینانه در جوامع است. در این راستا، شناخت ویژگیها، مهارتها و توانمندیهای کارآفرینانه، بالاخص صلاحیتهای کارآفرینی روستایی میتواند کمک شایان توجهی در پیشبرد این موضوع داشته باشد. از همین رو، هدف پژوهش توص...
full textتخمین پارامترهای خشک کردن گوجه فرنگی با کمک شبکه های عصبی مصنوعی
در این پژوهش خشک کردن لایه ای نازک گوجه فرنگی به روش جابجایی هوای داغ شبیه سازی گردید. اسلایس های گوجه فرنگی در دو دمای (60 و 70 درجه سانتیگراد) خشک شدند. شبکه عصبی پرسپترون برای پیش بینی نسبت رطوبت و سرعت خشک کردن نمونه ها در طی خشک کردن بکار گرفته شد. بهترین چیدمان شبکه عصبی برای شبکه اول بر اساس یک لایه پنهان،2 و 8 نرون در لایه پنهان به ترتیب برای نسبت رطوبت و آهنگ خشک کردن بود. همچنین بهتری...
full textپیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی
پیشبینی محل وقوع زلزلههای آتی همراه با تعیین درصد احتمال رخداد، میتواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محلهای پیشبینی شده، سبب افزایش توجه به طراحی، بهسازی لرزهای و ارزیابی قابلیت اعتمادپذیری سازههای موجود در این مکانها میشود. در پیشبینی زمان وقوع زلزله فرضیهها و نظریههای گستردهای مطرح است. هنوز شیوهای دقیق برای پیشبینی زمان رخداد زلزلههای آتی مورد تأیید ق...
full textطبقه بندی نظارت شده جوامع گیاهی شمشاد هیرکانی با استفاده از شبکه عصبی مصنوعی
در این پژوهش، کاربرد روش شبکه عصبی مصنوعی یا MLP در فرآیند تخصیص رلوه- گروهها/جوامعگیاهی با استفاده از پایگاه اطلاعاتی ترکیبگیاهی جنگلهای شمشاد هیرکانی (Buxus hyrcana Pojark.) ارزیابی شد. برای این منظور، نخست گروههای بومشناختی و جامعهشناختی شمشاد هیرکانی به ترتیب با استفاده از نتایج دو روش عددی TWINSPAN و تجربی براون-بلانکه تعیین شد. نتایج هر دو دارنگاره عددی و تجربی طبقهبندی مشتمل بر 7...
full textپویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM
چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدا...
full textMy Resources
Journal title
volume 8 issue 20
pages 71- 81
publication date 2010-03-21
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