پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی
سمینار برای دریافت درجه کارشناسی ارشد“M.Sc” مهندسی عمران – راه و ترابری

چکیده تشخیص به موقع شرایط نامطلوب روسازی به عنوان مسئله مهمی در حوزه مدیریت روسازی در سطح شبکه مطرح می باشد و در گذشته مدل های متفاوتی همچون رگرسیون و توزیع احتمالاتی برای آن در نظر گرفته شده است. برای پیش بینی شرایط روسازی در آینده لازم است که از شاخص هایی استفاده شود که کیفیت روسازی را با یک عدد که بیانگر وضعیت کلی روسازی است نمایش دهد. از مهمترین شاخص هایی که در این زمینه وجود اشاره نمود. شاخصی که دراین تحقیق مورد استفاده قرار IRI و MCI و PCI دارد می توان به است که توسط بانک جهانی در دهۀ 80 ارائه شده است و اهمیت ویژه ای از IRI گرفته است دید استفاده کنندگان راه دارد. در این تحقیق سعی شده با استفاده از شبکه های عصبی در سالهای آینده با استفاده IRI مصنوعی که یک رویکرد بیولوژیکی است به پیش بینی مقدار پرداخته شود. برای این منظور مدل های متفاوتی از شبکه های عصبی LTPP ازداده های مصنوعی از نظر ساختاری با استفاده از ورودی هایی که در تخریب روسازی نقش ایفا می قرار گرفتند و سپس به وسیله داده (Momentum) کنند تحت آموزش به روش اندازه حرکت های آزمایش ارزیابی شدند.شبکۀ دارای چهار لایۀ مخفی با تعداد 5 نرون در هر لایه دارای بیشترین توانایی تعمیم است.و ضریب همبستگی داده های آزمایشی با داده های پیش بینی %96 است که نشان دهندۀ کارایی قابل قبول شبکه است.در انتها داده های پیش بینی شدۀ بهترین مدل شبکه عصبی با داده های پیش بینی شدۀ مدل رگرسیونی از نظر میزان خطای پیش بینی مورد مقایسه قرار گرفتند.که مدل شبکه عصبی درپیش بینی 22 مورد از 38 سری دادۀ آزمایشی خطایی کمتر از 10 درصد داشت در حالی که در مورد مدل رگرسیونی این عدد به 6 داده می رسد. نتایج داده های آزمایش نشان داد که شبکه نهایی می تواند شرایط روسازی یک شبکه را حداکثر برای مدت 4 سال پیش بینی کند.

مهندسی عمران – راه و ترابری

مقطع : کارشناسی ارشد

فرمت :pdf
تعداد صفحه :200

توجه :

عناوین پروژه های موجود در سایت فقط به عنوان معرفی در سایت قرار گرفته اند و هیچ گونه فروش و یا لینک دانلودی ندارند