پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی دارای ۳۳۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی۲ ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی :

پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

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 فایل مورد استفاده قرار گرفته است IRI است که توسط بانک جهانی در ده ۸۰ ارائه شده است و اهمیت ویژه ای از دید استفاده کنندگان راه دارد. در این فایل 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.شبک دارای چهار لای مخفی با تعداد ۵ نرون در هر لایه دارای بیشترین توانایی تعمیم است .و ضریب همبستگی داده های آزمایشی با داده های پیش بینی ۹۶% است که نشان دهند کارایی قابل قبول شبکه است .در انتها داده های پیش بینی شد بهترین مدل شبکه عصبی با داده های پیش بینی شد مدل رگرسیونی از نظر میزان خطای پیش بینی مورد مقایسه قرار گرفتند.که مدل شبکه عصبی درپیش بینی ۲۲ مورد از ۳۸ سری داد آزمایشی خطایی کمتر از ۱۰ 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.

مقدمه

به علت عدم توجه به نگهداری درست و عدم آگاهی مـدیران از فنـون مـدیریت هـای صـحیح و علمی بهره برداری ، روسازی های ساخته شده در برخی موارد حتـی بـه نصـف عمـر مفیـد و طبیعی خود نیز نرسیده وبه سرعت فرسوده و مستهلک مـی شـوند. بـه عنـوان مثال ،فایلـات اخیر بانک جهانی نشان می دهد که یک غفلت کوچک و عـدم نگهـداری یـک قطعـ راه در موقـع مناسب آن و افزایش ضریب زبری از ۲۵۰۰ به ۴۰۰۰ ، نیاز به یـک بودجـه نگهـداری معـادل ۵ برابر بودجه ای که در صورت نگهداری به موقع لازم بود،داشـته و حتـی عـدم تخصـیص ایـن بودجه ۵ برابر در این موقع هم باز به معنای افزایش سرعت استهلاک و در نهایـت نـابودی راه مزبور خواهد شد. به عبارت دیگر در صورت تخصیص به موقع بودج نگهـداری و انجـام بـه موقع نگهداری شبک راهها ، با همان بودجه می تـوان شـبکه ای بـا طـول ۵ برابـر را نگهـداری نمود.

توجیه بیولوژیکی

آیا هیچ گونه توجیه بیولوژیکی برای چنین قاعد آموزشی وجود دارد؟ همان طور که دیدیم کوهونن بیش تر کار خود را بر اساس بررسی دقیق توپولوژی قسمت کورتکس مغز بنا نموده است و حقیقتاً شواهد بیولوژیکی زیادی این فکر را پشتیبانی می کند.همان طور که می دانیم فعالیت یک سلول عصبی از طریق خطوط ارتباطی آکسون که ممکن است تحریک کننده یا بازدارنده باشد به سلول های دیگر منتقل می شود.

حال سوال این است که چگونه اثر آکسون ها تحت تأثیر فاصل آن ها از سلول فعال قرار می گیرد؟در جواب باید گفت که سلول های نزدیک تر به سلول فعال ، قوی ترین خط اتصال را دارند. لیکن بعد از یک فاصل معین خط اتصال سلول فعال با آن ها بازدارنده می شود.

پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی
فهرست مطالب

عنوان شماره صفحه

چکیده ……………………………………………………………………………………………………………………………………………………………………………………… ۱

مقدمه ………………………………………………………………………………………………………………………………………………………………………………………. ۲

فصل اول : تعریف مسئله ………………………………………………………………………………………………………………………………………………۳

۱-۱ کلیات ………………………………………………………………………………………………………………………………………………………………………………. ۴

۱-۲ ضرورت انجام فایل ………………………………………………………………………………………………………………………………………………………..۴

۱-۳ اهداف و فرضیات ……………………………………………………………………………………………………………………………………………………………….۵

فصل دوم : کاوش در متون …………………………………………………………………………………………………………………………………………….۷

۲-۱ مقدمه ………………………………………………………………………………………………………………………………………………………………………………..۸

۲-۲ انواع شبکه های عصبی ……………………………………………………………………………………………………………………………………………………..۹

۲-۲-۱ شبک عصبی پرسپترون ……………………………………………………………………………………………………………………………………………….۹

۲-۲-۲ شبک خود سازمان ده کوهونن ……………………………………………………………………. …………………………………………………………….۹

۲-۲-۲-۱ کلیات …………………………………………………………………………………………………… …………………………………………………………………۹

۲-۲-۲-۲ الگوریتم کوهونن ……………………………………………………………………………………. ……………………………………………………………۱۰

۲-۲-۲-۳ توجیه بیولوژیکی ………………………………………………………………………………. …………………………………………………………………۱۲

۲-۲-۲-۴ اصلاح ضرایب وزنی …………………………………………………………………….. ……………………………………………………………………….۱۴

۲-۲-۲-۵ تعیین مقادیر اولی ضرایب وزنی ………………………………………………………………. …………………………………………………………۱۵

۲-۲-۲-۶ همسایگی ……………………………………………………………………………………….. ……………………………………………………………………۱۷

۲-۲-۲-۷ کاهش شعاع همسایگی ……………………………………………………………… ………………………………………………………………………..۱۸

۲-۲-۲-۸ توابع چگالی نقطه ای ………………………………………………………………….. ………………………………………………………………………۱۹

۲-۲-۲-۹ مقداری کردن بردار آموزشی ……………………………………………………….. ……………………………………………………………………..۱۹

۲-۲-۳ شبکه های هاپفیلد…………………………………………………………………………….. …………………………………………………………………….۲۰

۲-۲-۳-۱ کلیات ………………………………………………………………………………………………. …………………………………………………………………..۲۰

۲-۲-۳-۲ مدل شبکه هاپفیلد……………………………………………………………………………………………………………………………………………….۲۱

۲-۲-۳-۳ صفحه انرژی ………………………………………………………………… ……………………………………………………………………………………..۲۲

۲-۲-۳-۴ ذخیر الگوها…………………………………………………………………. …………………………………………………………………………………….۲۴

۲-۲-۳-۵ یادآوری ………………………………………………………………………………………… ………………………………………………………………………۲۶

۲-۳ کاربردهای شبک عصبی در مهندسی راه …………………………………………………. ………………………………………………………………….۳۰

۲-۳-۱ 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 انعطاف پذیر………………. ………………………………………………۳۸

۲-۳-۳ مدل پیش بینی شیارچرخ در روسازی های انعطاف پذیر…………………………………………………………………………………………۴۲

۲-۳-۴ مدل سازی تأثیر درصد مصالح سنگی شکسته در مقاومت مارشال آسفالت با بکارگیری شبکه های عصبی مصنوعی …. ۵۱

۲-۳-۳ استفاده از شبکه عصبی برای طراحی مدل تخمین جریان ترافیک ………………………………………………………………………….۵۸

۲-۴ جمع بندی …………………………………………………………………………………………. …………………………………………………………………………۵۹

فصل سوم : روش فایل ………………………………………………………………………………. ………………………………………………………….۶۱

۳-۱-۱ مقدمه ……………………………………………………………………………………………….. …………………………………………………………………….۶۲

۳-۲-۱ کلیات شبکه عصبی مصنوعی ………………………………………………………… ………………………………………………………………………..۶۲

۳-۲-۲ ساختار شبکه های عصبی مصنوعی ………………………………………………… ………………………………………………………………………..۶۵

۳-۲-۲- ۱ شبکه تک لایه ……………………………………………………………………………. ………………………………………………………………………..۶۶

۳-۲-۲-۲ شبکه های چند لایه …………………………………………………………………… ………………………………………………………………………..۶۸

۳-۲-۳ وظایف شبکه عصبی …………………………………………………………………………… ……………………………………………………………………۶۹

۳-۲- ۴ توابع تحریک مورد استفاده در شبکه های عصبی …………………………………. ……………………………………………………………….۷۰

۳-۲-۵ آستانه …………………………………………………………………………………………………… …………………………………………………………………..۷۴

۳-۲-۶ اجرای گیت های منطقی AND،OR و NOT…………………………………… ……………………………………………………………………75

۳-۲-۶-۱ نیاز به پیدا کردن وزن ها به صورت تحلیلی ……………………………….. ……………………………………………………………………….۷۶

۳-۲-۶-۲ پیدا کردن وزن ها به صورت تحلیلی برای شبکه AND……………………………………………………………………………………….77

۳-۲-۷ تعدادی از شبکه های عصبی مصنوعی با توپولوژی پرسپترون ………………………………………………………………………………….۷۹

۳-۲-۸ نگاهی اجمالی به الگوریتم های آموزش ……………………………………………………………………………………………………………………..۸۰

۳-۲-۸-۱ هدف از آموزش شبکه …………………………………………………………………………………………………………………………………………..۸۱

۳-۲-۸-۲ آموزش نظارت شده ……………………………………………………………………………………………………………………………………………….۸۱

۳-۲-۸-۳ آموزش غیرنظارت شده …………………………………………………………………………………………………………………………………………۸۲

۳-۲-۹ روش های آموزشی …………………………………………………………………………. …………………………………………………………………………۸۳

۳-۲-۹-۱ روش نزول گرادیان ……………………………………………………………….. …………………………………………………………………………….۸۳

۳-۲-۹-۲ روش اندازه حرکت …………………………………………………………………. ……………………………………………………………………………۸۶

۳-۲-۱۰ معیار کارآیی شبکه …………………………………………………………………………… …………………………………………………………………..۸۷

۳-۲-۱۰-۱ متوسط خطای مطلق ………………………………………………………………………… ……………………………………………………………..۸۷

۳-۲-۱۰-۲ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه …………………….. ………………………………………………………..۸۷

۳-۲-۱۲-۳ جذر میانگین مربع خطاها……………………………………………………………………. ………………………………………………………… ۸۸

۳-۲-۱۰-۴ ضریب همبستگی ………………………………………………………………………………. ……………………………………………………………..۸۸

۳-۲-۱۱ شرایط تعمیم موفقیت آمیز…………………………………………………………………….. ……………………………………………………………..۹۰

۳-۳ بررسی وضعیت روسازی …………………………………………………………………………….. …………………………………………………………………۹۲

۳-۳-۱ مقدمه …………………………………………………………………………………………………. …………………………………………………………………….۹۲

۳-۳-۲ معرفی روش های ارزیابی وضعیت روسازی ……………………………………………….. ……………………………………………………………۹۲

۳-۳-۲-۱ معرفی روش PCI…………………………………………………………………………… ………………………………………………………………….93

۳-۳-۲-۲ روش MCI…………………………………………………………………………………… …………………………………………………………………….94

۳-۳-۲-۳ روش PSI……………………………………………………………………………………….. ………………………………………………………………… 95

۳-۳-۲-۴ شاخص PCR……………………………………………………………………………………………………………………………………………………….97

۳-۳-۲-۵ روش RCI………………………………………………………………………………………………………………………………………………………….100

۳-۳-۳ ناهمواری راه …………………………………………………………………………………………………………………………………………………………….۱۰۱

۳-۳-۳-۱ تعریف ناهمواری راه …………………………………………………………………………………………………………………………………………….۱۰۱

۳-۳-۳-۲ کاربردهای اندازه ناهمواری سطح راه ………………………………………………………………………………………………………………….۱۰۲

۳-۳-۳-۳ عوامل ایجادکننده ی ناهمواری در راه و دلایل ایجاد آنها…………………………………………………………………………………..۱۰۳

۳-۳-۳-۴ سیستم های اندازه گیری ناهمواری ………………………………………………………………………………………………………………………۱۰۴

۳-۳-۴ معرفی روش IRI……………………………………………………………………………………………………………………………………………………..104

۳-۳-۵ مبانی اساسی شاخص IRI……………………………………………………………………………………………………………………………………….106

۳-۳-۶ مشخصه های مهم شاخص IRI………………………………………………………………………………………………………………………………..109

۳-۳-۷ تفسیر مقادیر IRI مطابق استاندارد ASTM……………………………………………………………………………………………………………110

۳-۳-۶-۱ راه های بارویه آسفالتی ………………………………………………………………………………………………………………………………………..۱۱۱

۳-۳-۶-۲راه های بارویه شنی ………………………………………………………………………………………………………………………………………………۱۱۲

۳-۳-۷ مقیاس ناهمواری در سیستم IRI……………………………………………………………………………………………………………………………..113

فصل چهارم : مدل شبک عصبی ………………………………………………………………………………………………………………………….۱۱۴

۴-۱ مقدمه ………………………………………………………………………………………………………………………………………………………………………….۱۱۵

۴-۲ ارزیابی روسازی …………………………………………………………………………………………………………………………………………………………….۱۱۵

۴-۳ متدولوژی شبکه های عصبی ……………………………………………………………………………………………………………………………………….۱۱۶

۴-۳-۱ معماری …………………………………………………………………………………………………………………………………………………………………….۱۱۶

۴-۳-۱ تابع فعال سازی نرون ………………………………………………………………………………………………………………………………………………۱۱۷

۴-۳-۲ روش آموزش ……………………………………………………………………………………………………………………………………………………………۱۱۷

۴-۴ پیش پردازش داده ها…………………………………………………………………………………………………………………………………………………..۱۱۹

۴-۵ داده ها………………………………………………………………………………………………………………………………………………………………………….۱۱۹

۴-۶ ارزیابی وارزشیابی مدل …………………………………………………………………………………………………………………………………………………۱۲۰

فصل پنجم :تجزیه و تحلیل داده ها ……………………………………………………………………………………………………………………۱۲۱