• ارزیابی روش رگرسیون در پیش بینی حجم ترافیک و مقایسه آن با روش شبکه عصبی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/01/01
    • تاریخ انتشار در تی پی بین: 1390/01/01
    • تعداد بازدید: 967
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    داده کاوی فرآیند تجزیه و تحلیل داده ها و تبدیل آن به اطلاعات مفید است. در این فرآیند از ابزارهای متفاوتی استفاده می شود، یکی از این ابزارها استفاده از رگرسیون در این فرآیند است. رگرسیون روشی برای مدلسازی و تحلیل داده های عددی است. این روش برای پیش بینی مقادیر آینده ی متغیر وابسته، آزمودن  نظریه ها، و تحلیل پدیده شناختی پدیده ها به کار می رود. این روش به کاربر اجازه می دهد تا از ابعاد مختلف به تجزیه و تحلیل داده ها، دسته بندی آنها و خلاصه آنها به روابط شناخته شده بپردازد. در حوزه حمل و نقل که همواره با حجم انبوهی از داده ها مواجه می باشد، پردازش داده ها و داده کاوی اهمیت شایانی دارد. در این تحقیق ضمن بررسی پیش بینی حجم ترافیک به بررسی روش رگراسیون در فرآیند مدلسازی پرداخته می شود. سپس از این روش برای پیش بینی حجم برونشهری محور ساری- قائمشهر و محور بابل – قائمشهر استفاده می شود. و صحت مدل استفاده شده در مقایسه با روش شبکه عصبی اعتبارسنجی شده است. نتایج حاصل از تحقیق، قدرت بالای رگرسیون در را در پیشبینی های ترافیکی نشان می دهد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها