Thesis

پیش بینی جریان مسافرت از شهر تهران به استان مازندران با شبکه های عصبی مصنوعی

Abstract

موضوع مورد توجه در تحقیق حاضر، پیش بینی جریان مسافرت از تهران به مازندران با استفاده از شبکه های عصبی مصنوعی می باشد. لایه ورودی شبکه عصبی را 7 متغیر مستقل آلودگی هوای تهران، تعداد روزهای تعطیل، متوسط دمای هوای تهران، متوسط میزان بارش مازندران، متوسط دمای هوای مازندران، جمعیت تهران و شماره ماه مورد نظر تشکیل می دهد که سعی در پیش بینی تعداد مسافران ورودی به مازندران دارد. در نهایت شبکه ای با یک لایه ورودی شامل 7 نورون، یک لایه پنهان با 13 نورون و یک لایه خروجی شامل 1 نورون انتخاب گردید. اطلاعات مربوط به متغیرهای 7گانه از سال 1384 تا 1389 برای آموزش شبکه مورد استفاده قرار گرفت. متوسط خطای شبکه 53.3745 واحد می باشد. نتایج حاکی از آن است که متغیرها در ماه های مختلف سال، اثرات مختلفی روی روند سفر داشته است. با پیش بینی جریان مسافرت توسط شبکه های عصبی مصنوعی و دانستن ظرفیت مسافرت در استان مازندران، می توان به رفع نیازمندی های مسافران پرداخته و لذت سفر را با کاهش تراکم و فراهم آوردن امکانات رفاهی به صورت کافی، دوچندان نمود.

Supervisors and advisors

محمدرضا تقوا، حمید ضرغام بروجنی

Similar items

  • پیش بینی تغییرات پارامتر رسانایی الکتریکی در آب زیر زمینی شهر تهران با کمک شبکه عصبی مصنوعی

    Article2012انسان و محیط زیستاکبر باغوند، حمید زارع ابیانه، غلام رضا نبی بید هندی، ناصر مهردادی

    جهت بررسی کیفیت آب زیر زمینی تهران با توجه به برداشت 10 سال گذشته از پارامتر های هیدروشیمیایی مربوط به 71 نقطه مختلف از شهر تهران سه مدل مختلف شبکه عصبی مصنوعی با تعداد پارامتر های مختلف ورودی و خروجی پارامتر رسانایی الکتریکی تعریف گردید. مشاهده می شود که به جهت تخمین پارامتر رسا

  • پیش بینی تغییرات پارامتر رسانایی الکتریکی در آب زیر زمینی شهر تهران با کمک شبکه عصبی مصنوعی

    Article2012انسان و محیط زیستناصر مهردادی، غلام رضا نبی بید هندی، اکبر باغوند، حمید زارع ابیانه

    جهت بررسی کیفیت آب زیر زمینی تهران با توجه به برداشت 10 سال گذشته از پارامتر های هیدروشیمیایی مربوط به 71 نقطه مختلف از شهر تهران سه مدل مختلف شبکه عصبی مصنوعی با تعداد پارامتر های مختلف ورودی و خروجی پارامتر رسانایی الکتریکی تعریف گردید. مشاهده می شود که به جهت تخمین پارامتر رسا

  • پیش بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

    Articleمجله علوم پزشکی رازیفرزانه برفه ئی، مسعود صالحی، ایرج نجفی

    زمینه و هدف: بیماری دیابت با گسترش روزافزون و بار سنگینی که در نتیجه کنترل و درمان عوارض به مردم و کشور تحمیل می کند به یکی از چالش های مسئولین درمانی و دولتی تبدیل شده است. از این رو پیشگیری از بروز و پیشرفت آن در اولویت قرار می گیرد که این امر تنها با شناسایی عوامل مؤثر و کنترل

  • پیش بینی محتوای رطوبتی پسته رقم اکبری با شبکه عصبی مصنوعی

    Articleپژوهش های علوم و صنایع غذایی ایران(pages 45-56) a. baharlooei، m. omid، h. ahmadi، sh. rafiei

    به منظور پیش بینی محتوای رطوبتی پسته رقم اکبری به کمک شبکه عصبی مصنوعی، آزمایشاتی در پنج سطح دمایی از 40 تا 80 درجه سانتی گراد، چهار سرعت جریان هوای ورودی بین 5/0 تا 2 متر بر ثانیه و در سه تکرار (جمعا 60 سری) در یک خشک کن لایه نازک انجام شد. رطوبت اولیه پسته در آغاز آزمایش ها 30

  • پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

    Article2018علوم و مهندسی آبیاریحامد نوذری، صفر معروفی، محبوبه یونسی، نادیا شهرکی

    تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی

  • شبیه سازی و پیش بینی جریان رودخانه ها با استفاده از شبکه عصبی و مدل فوریه

    Articleتحقیقات منابع آب ایرانناصر رستم افشار، استادیار /دانشگاه صنعت آب و برق (شهید عباس پور) هدایت فهمی، شرکت مدیریت منابع آب ایران علیرضا پیره، کارشناس /گروه پژوهشی جاماب

    مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزما