پروژه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی
رشته : کارشناسی ارشد عمران – سازه هیدرولیکی
فرمت : pdf
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 دارد می توان به PCI وMCI وIRI اشاره نمود. شاخصی که دراین تحقیق مورد استفاده قرار گرفته است IRI است که توسط بانک جهانی در دهۀ ٨٠ ارائه شده است و اهمیت ویژه ای از دید استفاده کنندگان راه دارد. در این تحقیق سعی شده با استفاده از شبکه های عصبی مصنوعی که یک رویکرد بیولوژیکی است به پیش بینی مقدار IRI در سالهای آینده با استفاده ازداده های LTPP پرداخته شود. برای این منظور مدل های متفاوتی از شبکه های عصبی مصنوعی از نظر ساختاری با استفاده از ورودی هایی که در تخریب روسازی نقش ایفا می کنند تحت آموزش به روش اندازه حرکت (Momentum) قرار گرفتند و سپس به وسیله داده های آزمایش ارزیابی شدند.شبکۀ دارای چهار لایۀ مخفی با تعداد ۵ نرون در هر لایه دارای بیشترین توانایی تعمیم است .و ضریب همبستگی داده های آزمایشی با داده های پیش بینی ٩۶% است که نشان دهندٔە کارایی قابل قبول شبکه است .در انتها داده های پیش بینی شدٔە بهترین مدل شبکه عصبی با داده های پیش بینی شدٔە مدل رگرسیونی از نظر میزان خطای پیش بینی مورد مقایسه قرار گرفتند.که مدل شبکه عصبی درپیش بینی ٢٢ مورد از ٣٨ سری دادٔە آزمایشی خطایی کمتر از ١٠ درصد داشت در حالی که در مورد مدل رگرسیونی این عدد به ۶ داده می رسد. نتایج داده های آزمایش نشان داد که شبکه نهایی می تواند شرایط روسازی یک شبکه را حداکثر برای مدت ۴ سال پیش بینی کند.
فهرست :
چکیده…………………………………………………………………………………………..۱
مقدمه…………………………………………………………………………………………. ۲
فصل اول : تعریف مسئله
۱-۱ کلیات…………………………………………………………………………………….. ۴
۲-۱ ضرورت انجام تحقیق……………………………………………………………………… ۴
۳-۱ اهداف و فرضیات…………………………………………………………………………. ۵
فصل دوم: کاوش در متون
۱-۲ مقدمه……………………………………………………………………………………. ۸
۲-۲ انواع شبکه های عصبی…………………………………………………………………. ۹
۱-۲-۲ شبکۀ عصبی پرسپترون…………………………………………………………………۹
۲-۲-۲ شبکۀ خود سازمان ده کوهونن……………………………………………………….. ۹
۱-۲-۲-۲ کلیات………………………………………………………………………………… ۹
۲-۲-۲-۲ الگوریتم کوهونن…………………………………………………………………….. ۱۰
۳-۲-۲-۲ توجیه بیولوژیکی…………………………………………………………………….. ۱۲
۴-۲-۲-۲ اصلاح ضرایب وزنی………………………………………………………………….. ۱۴
۵-۲-۲-۲ تعیین مقادیر اولیۀ ضرایب وزنی…………………………………………………….. ۱۵
۶-۲-۲-۲ همسایگی …………………………………………………………………………. ۱۷
۷-۲-۲-۲ کاهش شعاع همسایگی………………………………………………………….. ۱۸
۸-۲-۲-۲ توابع چگالی نقطه ای……………………………………………………………….. ۱۹
۹-۲-۲-۲ مقداری کردن بردار آموزشی………………………………………………………… ۱۹
۳-۲-۲ شبکه های هاپفیلد……………………………………………………………………. ۲۰
۱-۳-۲-۲ کلیات………………………………………………………………………………… ۲۰
۲-۳-۲-۲ مدل شبکه هاپفیلد…………………………………………………………………. ۲۱
۳-۳-۲-۲ صفحه انرژی…………………………………………………………………………. ۲۲
۴-۳-۲-۲ ذخیرۀ الگوها………………………………………………………………………… ۲۴
۵-۳-۲-۲ یادآوری………………………………………………………………………………. ۲۶
۳-۲ کاربردهای شبکۀ عصبی در مهندسی راه………………………………………………. ۳۰
۱-۳-۲ استفاده از شبکه عصبی برای یافتن همبستگی میان IRI و خرابی های روسازی……۳۰
۲-۳-۲ استفاده از شبکه عصبی برای تحلیل و طراحی روسازی های انعطافپذیر……………. ۳۸
۳-۳-۲ مدل پیش بینی شیارچرخ در روسازی های انعطاف پذیر……………………………… ۴۲
۴-۳-۲ مدل سازی تأثیر درصد مصالح سنگی شکسته در مقاومت مارشال آسفالت با بکارگیری شبکه های عصبی مصنوعی………………………………………………………………………………………. ۵۱
۳-۳-۲ استفاده از شبکه عصبی برای طراحی مدل تخمین جریان ترافیک…………………… ۵۸
۴-۲ جمع بندی………………………………………………………………………………… ۵۹
فصل سوم : روش تحقیق
۱-۱-۳ مقدمه …………………………………………………………………………………. ۶۲
۱-۲-۳ کلیات شبکه عصبی مصنوعی…………………………………………………………. ۶۲
۲-۲-۳ ساختار شبک ههای عصبی مصنوعی………………………………………………… ۶۵
۱-۲-۲-۳ شبکه تک لایه……………………………………………………………………….. ۶۶
۲-۲-۲-۳ شبکه های چند لایه…………………………………………………………………. ۶۸
۳-۲-۳ وظایف شبکه عصبی…………………………………………………………………… ۶۹
۴-۲-۳ توابع تحریک مورد استفاده در شبک ههای عصبی……………………………………. ۷۰
۵-۲-۳ آستانه………………………………………………………………………………….. ۷۴
اجرای گیت های منطقی OR ،AND و NOT….ر……………………………………………….۷۵
۱-۶-۲-۳ نیاز به پیدا کردن وزن ها به صورت تحلیلی…………………………………………… ۷۶
پیدا کردن وز نها به صورت تحلیلی برای شبکه AND……ر……………………………………. ۷۷
۷-۲-۳ تعدادی از شبکه های عصبی مصنوعی با توپولوژی پرسپترون…………………………. ۷۹
۸-۲-۳ نگاهی اجمالی به الگوریتم های آموزش……………………………………………….. ۸۰
۱-۸-۲-۳ هدف از آموزش شبکه……………………………………………………………….. ۸۱
۲-۸-۲-۳ آموزش نظارت شده………………………………………………………………….. ۸۱
۳-۸-۲-۳ آموزش غیرنظارت شده………………………………………………………………. ۸۲
۹-۲-۳ روش های آموزشی……………………………………………………………………. ۸۳
۱-۹-۲-۳ روش نزول گرادیان…………………………………………………………………… ۸۳
۲-۹-۲-۳ روش اندازه حرکت…………………………………………………………………… ۸۶
۱۰-۲-۳ معیار کارآیی شبکه…………………………………………………………………… ۸۷
۱-۱۰-۲-۳ متوسط خطای مطلق………………………………………………………………. ۸۷
۲-۱۰-۲-۳ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه……………………….. ۸۷
۳-۱۲-۲-۳ جذر میانگین مربع خطاها………………………………………………………….. ۸۸
۴-۱۰-۲-۳ ضریب همبستگی………………………………………………………………….. ۸۸
۱۱-۲-۳ شرایط تعمیم موفقیت آمیز…………………………………………………………… ۹۰
۳-۳ بررسی وضعیت روسازی…………………………………………………………………. ۹۲
۱-۳-۳ مقدمه…………………………………………………………………………………. ۹۲
۲-۳-۳ معرفی روش های ارزیابی وضعیت روسازی ………………………………………….. ۹۲
۱-۲-۳-۳ معرفی روش PCI…………………………………………………………………..ر..۹۳
۲-۲-۳-۳- روش MCI….ر………………………………………………………………………..۹۴
۳-۲-۳-۳ روش PSI…..ر……………………………………………………………………….. ۹۵
۴-۲-۳-۳ شاخص PCR…..ر…………………………………………………………………… ۹۷
۵-۲-۳-۳ روش RCI……ر…………………………………………………………………….. ۱۰۰
۳-۳-۳ ناهمواری راه………………………………………………………………………….. ۱۰۱
۱-۳-۳-۳ تعریف ناهمواری راه………………………………………………………………… ۱۰۱
۲-۳-۳-۳ کاربردهای اندازه ناهمواری سطح راه……………………………………………… ۱۰۲
۳-۳-۳-۳ عوامل ایجادکننده ی ناهمواری در راه و دلایل ایجاد آنها………………………….. ۱۰۳
۴-۳-۳-۳ سیستم های اندازه گیری ناهمواری………………………………………………. ۱۰۴
۴-۳-۳ معرفی روش IRI….ر…………………………………………………………………..۱۰۴
۵-۳-۳ مبانی اساسی شاخص IRI….ر…………………………………………………….. ۱۰۶
۶-۳-۳ مشخصه های مهم شاخص IRI…..ر……………………………………………….. ۱۰۹
۷-۳-۳ تفسیر مقادیر IRI مطابق استاندارد ASTM…..ر……………………………………. ۱۱۰
۱-۶-۳-۳ راه های بارویه آسفالتی…………………………………………………………… ۱۱۱
۲-۶-۳-۳ راه های بارویه شنی………………………………………………………………. ۱۱۲
۷-۳-۳ مقیاس ناهمواری در سیستم IRI…ر………………………………………………… ۱۱۳
فصل چهارم : مدل شبکۀ عصبی
۱-۴ مقدمه………………………………………………………………………………….. ۱۱۵
۲-۴ ارزیابی روسازی………………………………………………………………………… ۱۱۵
۳-۴ متدولوژی شبکه های عصبی………………………………………………………….. ۱۱۶
۱-۳-۴ معماری………………………………………………………………………………. ۱۱۶
۱-۳-۴ تابع فعال سازی نرون………………………………………………………………… ۱۱۷
۲-۳-۴ روش آموزش…………………………………………………………………………. ۱۱۷
۴-۴ پیش پردازش داده ها………………………………………………………………….. ۱۱۹
۵-۴ داده ها…………………………………………………………………………………. ۱۱۹
۶-۴ ارزیابی وارزشیابی مدل………………………………………………………………… ۱۲۰
فصل پنجم:تجزیه و تحلیل داده ها
۱-۵ ارزیابی مدل های اولیه…………………………………………………………………. ۱۲۲
۲-۵ مدل های پیش بینی با در نظر گرفتن تمام متغیر های ورودی………………………… ۱۲۵
۱-۲-۵ شبکه عصبی با یک لایه پنهان………………………………………………………. ۱۲۶
۲-۲-۵ شبکه عصبی با دولایه پنهان………………………………………………………… ۱۳۰
۳-۲-۵ شبکه عصبی با سه لایه پنهان……………………………………………………… ۱۳۴
۴-۲-۵ شبکه عصبی باچهارلایه پنهان………………………………………………………. ۱۳۸
۳-۵ معرفی شبکه بهینه……………………………………………………………………. ۱۴۲
۴-۵ مقایسه مدل شبکه عصبی با مدل های رگرسیونی………………………………….. ۱۴۵
فصل ششم: نتیجه گیری و پیشنهادات
۱-۶ نتایج…………………………………………………………………………………….. ۱۵۰
۲-۶ پیشنهادات……………………………………………………………………………… ۱۵۳
پیوست یک : روش محاسبۀ IRI….ر………………………………………………………….۱۵۴
پ- ۱ سیستم های اندازه گیری ناهمواری…………………………………………………. ۱۵۵
پ- ۲ پروفیل راه……………………………………………………………………………… ۱۵۵
پ- ۳ روند پیشرفت تجهیزات برداشت ناهمواری راه………………………………………… ۱۵۶
پ- ۴ مقایسه بین IRI و پاسخ های وسیله نقلیه …………………………………………. ۱۶۱
پ- ۵ اثر طول موج بر ……………………………………………………………………….. ۱۶۵
پ- ۶ بررسی سرعت حرکت و تعداد چرخ های برداشت کننده ناهمواری در تجهیزات مورد
استفاده برای تعیین میزان IRI…ر…………………………………………………………… ۱۶۶
پ- ۷محاسبۀ IRI….ر……………………………………………………………………….. ۱۶۹
منابع و مأخذ…………………………………………………………………………………. ۱۷۷
فهرست منابع فارسی………………………………………………………………………. ۱۷۸
فهرست منابع لاتین………………………………………………………………………….. ۱۸۰
سایت های اطلاع رسانی…………………………………………………………………… ۱۸۱
چکیدۀ انگلیسی……………………………………………………………………………… ۱۸۲
این پروژه به عنوان کمک آموزشی و در راستای تکمیل مطالعات شما ، در وبسایت قرار گرفته است .
لطفا از این پروژه به عنوان پایان نامه و یا پروژه تخصصی استفاده ننمایید .
- فاقد لینک دانلود و فروش. این پروژه فقط جهت معرفی در سایت قرار گرفته است. [purchase_link id=”7177″ text=”اضافه‌کردن به سبدخرید” style=”button” color=”green”]
پیشنهاد:
مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از…- ارزیابی عملکرد مدلهای هوشمند نروفازی و شبکههای…
- بررسی و ارزیابی الگوریتمهای مونتکارلو و شبکههای…
- بررسی و ارزیابی الگوریتمهای مونتکارلو و شبکههای…
پروژه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری…- پروژه تخمین پارامترهای موثر در تراکم مصالح سنگی بدنه…