ارائه متدولوژی پیش بینی تولید سفر بر اساس بکارگیری شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی عمران
- نویسنده حسین پورخانی بازکیائی
- استاد راهنما شهریار افندیزاده
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1385
چکیده
در این تحقیق سعی شده است با معرفی شبکه های عصبی مصنوعی عملکرد آن ها در قبال مساله تولید سفر مورد بررسی قرار گیرد و این روش با روش های حل کلاسیک مقایسه شود. یکی از روش های عمومی که در زمینه تولید سفر توسط مهندسین بکار گرفته می شود تلاش می نماید که بین تعداد سفر تولیدی (خانوار یا ناحیه ترافیکی) و یکسری پارامترهای اجتماعی، اقتصادی و فرهنگی ارتباط برقرار نماید. معمولا این ارتباط به کمک روش های رگرسیون و کالیبره نمودن یک رابطه کلی که می تواند خطی یا غیر خطی باشد صورت می گیرد. در این تحقیق نشان داده شده است که با رویکرد به روش های الهام گرفته شده از طبیعت و بکارگیری شبکه های عصبی مصنوعی که از سلسله اعصاب انسان الگو برداری شده اند می توان در زمینه مساله تولید سفر به نتایج بهتری نسبت به روش های کلاسیک دست یافت. نکته قابل توجه این مر باشد که شبکه های عصبی مصنوعی ارتباط های پیچیده بین پارامترهای ورودی و خروجی مدل را؛ بدون نیاز به معرفی چگونگی ارتباط از طرف طرح مدل، کشف می نماید.
منابع مشابه
پیش بینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم با بکارگیری شبکه عصبی مصنوعی
امروزه با پیشرفت تکنولوژی برای حل مسائلی که روابط دقیق ریاضی بین ورودی و خروجی برقرار نمی باشد از شبکه های عصبی مصنوعی استفاده می شود. در این پژوهش برای پیشبینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم دو شبکه عصبی پرسپترون چند لایه شامل شبکه عصبی مصنوعی پیشرو (FFANN) و شبکه عصبی آبشاری (CANN) پیشنهاد شد. برای بررسی صحت مدل ها، از 1251 داده آزمایشگاهی گردآوری شده از مقالات مختلف شامل کشش سطحی...
متن کاملارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی
در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آم...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخشهای مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکههای عصبی مصنوعی میباشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقهای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
متن کاملبکارگیری الگو ترکیبی شبکه های عصبی مصنوعی با الگوریتم های فراکاوشی (ICA,PSO) در پیش بینی مدیریت سود
رویکردهای فراکاوشی عمدتاً بر اساس نظم و قواعد موجود در ارگانیسمهای طبیعی الهام گرفتهاند. این رویکردها امروزه کاربرد بسیاری در شاخههای مختلف پیدا کرده است. با توجه به اهمیت پیشبینی، شناخت روشها در پیشبینی مدیریت سود میتواند اطلاعات مفیدی را برای ذینفعان فراهم آورد. تنوع عوامل بدست آمده ناشی از نتایج الگوهای خطی برای سنجش مدیریت سود موجب شده است سرمایهگذارن نسبت به کیفیت سود گزارش شده ترد...
متن کاملپیش بینی تولید سفر با استفاده از شبکه های عصبی مصنوعی
بکی از اهداف برنامه ریزی حمل و نقل در مورد حل مسأله ترافیک در شهرهای بزرگ، مشخص کردن ارتباط بین جریان های ترافیکی و فعالیت های اقتصادی - اجتماعی شهرها با روش های مدل سازی است، که شامل چهار مرحله مدل سازی با عناوین تولید سفر، توزیع سفر، تفکیک سفروتخصیص سفر می باشد. در این تحقیق سعی شده است با معرفی شبکه های عصبی مصنوعی، عملکرد آنها در قبال مسأله تولید سفر مورد بررسی قرار گیرد و با روش های حل کل...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی عمران
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023