انالیز اشوبناک سری زمانی جریان ترافیک و پیش بینی آن مبتنی بر سیستم فازی - عصبی تطبیقی چندگانه
Publish place: 3rd Iran Data Mining Conference (IDMC)
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,586
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC04_128
تاریخ نمایه سازی: 15 دی 1389
Abstract:
امروزه پیش بینی جریان ترافیک به عنوان هسته اصلی مطالعات سیستمهای حمل و نقل هوشمند مطرح شده است دراین مقاله با توجه به ویژگیهای تطبیق پذیری الگوریتمهای خودیادگیر شبکه های عصبی و نیز یادگیری قوانین فازی که در ساختار ANFIS ترکیب شده است از این مدل برای پیش بینی کوتاه مدت حجم ترافیک استفاده شده است در روش بکارگرفته شده دراین مقاله ابتدا با انجام عملیات پیش پردازش که شامل حذف ساعتها و روزهای خاص و نیز مقدار دهی به بازه هایی که حجم ترافیک در آنها ثبت نشده است می باشد داده ها را اماده کرده و سپس با محاسبه بزرگترین نمای لیاپانوف به بررسی غیرتصادفی و پیش بینی پذیر بودن جریان ترافیک پرداخته شده است در نهایت پس از به قطعیت رسیدن در وجود پدیده اشوب در سری زمانی حاصل از جریان ترافیک و قابل پیش بینی بودن آن با بکارگیری مدل عصبی فازی ANFIS به پیش بینی حجم ترافیک پرداخته شده است. مدل مطرح شده دراین مقاله برای پیشبینی جریان ترافیک موجود در بلوار فردوسی در شهر مشهد در کشور ایران مورد استفاده قرار گرفته است.
Keywords:
Authors
سیدحمید عباسی
مربی دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد فردوس ایران
مهدی یعقوبی
استادیار دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد مشهد