پیش بینی تأخیر قطارهای مسافری با استفاده از شبکه های عصبی

Authors

  • سید مسعود سید آبادی دانشگاه علم و صنعت ایران، دانشکده مهندسی راه آهن
  • محمد مهدی خوشرفتار دانشگاه علم و صنعت ایران، دانشکده مهندسی راه آهن
Abstract:

تأخیر در قطارهای مسافری از مسائل چالش بر انگیز در راه آهن محسوب شده و علت‌های مختلفی دارد، و همین مسئله، پیش‌بینی تأخیر قطار‌های مسافری را بسیار مشکل می‌کند. هدف این مقاله ارائه مدلی مبتنی بر شبکه‌های عصبی با دقت بالا برای پیش‌بینی تأخیر قطار‌های مسافری در راه آهن جمهوری اسلامی ایران است. در این مقاله از سه روش مختلف برای ورودی شبکه‌های عصبی شامل ورود به صورت اعداد حقیقی نرمال شده، تبدیل ورودی‌ها به صورت دودویی و همچنین تبدیل ورودی‌ها به رشته‌های دودویی استفاده شده است. جهت یافتن ساختاری مناسب برای شبکه عصبی در مدل پیشنهادی از سه استراتژی مختلف استفاده شده است. داده-های مورد استفاده در این پژوهش که برای آماده سازی آنها پیش پردازش کاملی صورت گرفته است، شامل تأخیر قطارهای مسافری راه آهن جمهوری اسلامی ایران از سال‌های 1383 تا 1387 است. برای ارزیابی مدل پیشنهادی، نتایج حاصل از روش‌های مختلف ورود داده و استراتژی‌های یافتن ساختار مناسب شبکه با یکدیگر و همچنین با سایر روش‌های رایج پیش‌بینی مقایسه گردیده است. نتایج بدست آمده نشان می‌دهد مدل پیشنهادی از دقت بالاتری برخوردار است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...

full text

پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی

در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...

full text

پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی

پیش­بینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیش­بینی کوتاه مدت بار به ویژگی­های بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از داده­های واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیش­بینی کوتاه مدت بار الکتریکی استان پرداخته­ایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 3

pages  -

publication date 2010-04-01

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