• 0سبد خرید فروشگاه
تعلیم
  • صفحه اصلی
  • محصولات
    • همه تعلیم ها
      • اقتصاد-Economy
        • علوم بورس-Science stock
        • علوم بانکداری-Banking science
        • علوم تجارت-Business Sciences
      • علوم برق-Electrical Sciences
        • مقالات برق-Electrical Articles
        • علوم الکترونیک-Electronic science
      • علوم زیست شناسی-Biological Sciences
        • زمین شناسی-Geology
          • مقالات جغرافیا-Geography Papers
      • علوم اجتماعی-social Sciences
      • علوم ایمنی و بهداشت-Health and safety
        • مقالات ایمنی و بهداشت – Health and safety
      • علوم پزشکی-Medical Sciences
        • علوم روانشناسی-Psychological Science
          • روانشناسی موفقیت-Psychology of success
        • مقالات پزشکی-medical articles
        • مقالات آنتی بیوتیک-Articles antibiotics
        • مقالات دندانپزشکی-Dental articles
      • علوم ریاضیات و فیزیک-Science, mathematics and physics
        • مقالات ریاضی – Mathematical articles
        • مقالات فیزیک-Physics articles
      • علوم زبان انگلیسی-Science in English
      • علوم سیاسی-political science
      • علوم شیمی-Chemical Sciences
        • مقالات شیمی-Chemistry Articles
        • مقالات پتروشیمی-Petrochemical articles
      • علوم صنایع غذایی-Food Industry Science
        • علوم تغذیه-nutrition science
      • علوم صنایع-Industrial science
        • مهندسی مواد-Materials Engineering
          • مقالات متالورژی- Metallurgy Articles
      • علوم عمران-Civil Sciences
        • مقالات عمران-Civil Articles
      • علوم کامپیوتر-computer science
        • مقالات فناوری اطلاعات-Articles of Information Technology
        • مقالات کامپیوتر-Computer Articles
          • دیتابیس-database
          • داده کاوی-Data Mining
          • داده های عظیم-Big data
          • رایانش ابری-cloud computing
          • هادوپ-Hadoop
          • سیستم فازی-Fuzzy System
      • علوم کشاورزی-Agricultural Sciences
        • مقالات کشاورزی-Agricultural Articles
        • مقالات شیلات-Fisheries Articles
        • مقالات محیط زیست-Environmental articles
      • علوم مالی و اداری-Financial and Administrative Science
        • مقالات حسابداری-Accountant Articles
      • علوم مدیریت-Management Sciences
        • مدیریت کسب و کار-business management
        • مقالات مدیریت-Management Articles
        • مقالات کارآفرینی-Entrepreneurship articles
      • علوم تربیت بدنی-Physical Education Sciences
      • علوم ورزشی-Sports Sciences
      • علوم معماری-Architectural Science
      • علوم هنر-Art Science
      • علوم مکانیک-Mechanical Sciences
        • مقالات مکانیک-Mechanical Articles
      • مذهبی-Religious
      • ادبیات-Literature
        • مقالات زبان فارسی-Articles in Persian language
  • مجله اینترنتی
  • حساب کاربری من
  • آموزش دانلود
  • قوانین سایت
  • درباره ما
  • جستجو
  • منو منو
Application of SVR with Genetic optimization algorithm in urban[taliem.ir]

Application of SVR with Genetic optimization algorithm in urban traffic flow forecasting

۰ تومان

Forecasting of inter-urban traffic flow has been one of the most important issues globally in the research on road traffic congestion. Due to traffic flow forecasting involves a rather complex nonlinear data pattern; there are lots of novel forecasting approaches to improve the forecasting accuracy. This investigation presents a short-term traffic forecasting model which combines the support vector regression (SVR) model with Genetic Optimization algorithms (SVRGA) to forecast inter-urban traffic flow. Additionally, a numerical example is employed to elucidate the forecasting performance of the proposed SVRGA model. Finally the results compare and their performance with time series models.

دسته: علوم ریاضیات و فیزیک-Science, mathematics and physics, مقالات ریاضی - Mathematical articles, مقالات-Article برچسب: Genetic Optimization algorithms (GA), Support vector regression (SVR), Traffic flow forecasting
  • توضیحات
  • نظرات (0)

توضیحات

ABSTRACT

Forecasting of inter-urban traffic flow has been one of the most important issues globally in the research on road traffic congestion. Due to traffic flow forecasting involves a rather complex nonlinear data pattern; there are lots of novel forecasting approaches to improve the forecasting accuracy. This investigation presents a short-term traffic forecasting model which combines the support vector regression (SVR) model with Genetic Optimization algorithms (SVRGA) to forecast inter-urban traffic flow. Additionally, a numerical example is employed to elucidate the forecasting performance of the proposed SVRGA model. Finally the results compare and their performance with time series models.

INTRODUCTION

Accurate short-term traffic flow forecasting has become a crucial step in the overall goal of better road network management. A wide variety of forecasting approaches has been applied to forecast the traffic flow of inter-urban motorway networks. Those employed approaches could be classified according to the type of data, forecast horizon, and potential end-use including Kalman state space filtering models. This paper discusses the application of support vector machine (SVM) to predict the traffic flows in an urban street network, which one of streets of Shiraz city, location on The Cinema Saadi junction. Support vector machine (SVM) were purposed Vapnik  originally developed to solve pattern
recognition and classification problems. Recently, SVM generalized to regression (SVR) and time series prediction, such as financial time series (stocks index and exchange rate) forecasting . The selection of three positive parameters i.e. , C and of a SVR model is important to the accuracy of forecasting. Therefore, Genetic optimization algorithm (GA) is used in the proposed SVR model to optimize parameter selection. The remainder of this paper is organized as follows.  The SVR model, Genetic optimization algorithm and Time series forecasting models are introduced in Sections 2, 3 and 4. A numerical example is presented in Section 5. Conclusions are discussed in Section 6.

چکیده

پیش بینی جریان ترافیکی بین شهری یکی از مهمترین مسائل در سطح جهان در تحقیق در مورد تراکم جاده ای است. با توجه به پیش بینی جریان ترافیک شامل یک الگوی داده ای نسبتا پیچیده غیر خطی است؛ روشهای پیش بینی جدیدی برای بهبود دقت پیش بینی وجود دارد. این تحقیق یک مدل پیش بینی ترافیکی کوتاه مدت ارائه می دهد که مدل رگرسیون بردار پشتیبانی (SVR) با الگوریتم های بهینه سازی ژنتیکی (SVRGA) را برای پیش بینی جریان ترافیکی بین شهری ترکیب می کند. علاوه بر این، یک مثال عددی برای توضیح عملکرد پیش بینی مدل SVRGA پیشنهاد شده است. در نهایت نتایج مقایسه و عملکرد آنها با مدل های سری زمانی.

مقدمه

پیش بینی دقیق جریان ترافیکی کوتاه مدت، یک گام مهم در هدف کلی مدیریت بهتر شبکه جاده ای است. طیف گسترده ای از رویکردهای پیش بینی شده برای پیش بینی جریان ترافیک شبکه های بزرگراه های بین شهری مورد استفاده قرار گرفته است. آن دسته از روشهای شاغل میتوانند براساس نوع داده ها، افق پیش بینی شده و امکان استفاده بالقوه از جمله الگوهای فیلترینگ حالت دولتی کالمن طبقهبندی شوند. این مقاله در مورد استفاده از دستگاه بردار پشتیبانی (SVM) برای پیش بینی جریانهای ترافیکی در شبکه خیابان شهری، که یکی از خیابان های شهر شیراز، محل اتصال سینما سعدی است، مورد بحث قرار می گیرد. Vapnik در ابتدا برای حل مشکلات تشخیص و تشخیص الگو طراحی شده بود. به تازگی، SVM به رگرسیون (SVR) و پیش بینی سری زمانی، مانند سری زمانی مالی (شاخص سهام و نرخ ارز) را پیش بینی کرد. انتخاب سه پارامتر مثبت یعنی C و یک مدل SVR برای دقت پیش بینی اهمیت دارد. بنابراین، الگوریتم بهینه سازی ژنتیک (GA) در مدل پیشنهاد شده SVR برای بهینه سازی انتخاب پارامتر استفاده می شود. باقی مانده از این مقاله به شرح زیر است. مدل SVR، الگوریتم بهینه سازی ژنتیکی و مدل های پیش بینی سری در بخش های 2، 3 و 4 معرفی شده است. مثال های عددی در بخش 5 ارائه شده است. نتیجه گیری ها در بخش 6 بحث شده است.

Year: 2013

Publisher : Third Conference on Mathematical Finance and Applications

By : Saifollah Saadatpishe , Hamidreza Maleki

File Information: English Language/ 5 Page / size: 261 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1392

ناشر : سومین کنفرانس ریاضیات مالی و کاربردها

کاری از : سیف الله سعادت پیشه، حمیدرضا ملکی

اطلاعات فایل : زبان انگلیسی / 5 صفحه / حجم : KB 261

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “Application of SVR with Genetic optimization algorithm in urban traffic flow forecasting” لغو پاسخ

برای فرستادن دیدگاه، باید وارد شده باشید.

محصولات مرتبط

  • sinc functions with application to finance[taliem.ir]

    sinc functions with application to finance

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • European Option Pricing with Transaction Costs[taliem.ir]

    European Option Pricing with Transaction Costs

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • bannertaliem-taliem-ir

    كاربرد برنامه ريزي خطي در ارزيابي كارايي به روش تحليل پوششي داده ها مطالعه ي موردي مدارس راهنمايي شهر زنجان

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • Jump-Diffusions Stochastic Differential Equations Simulation[taliem.ir]

    Jump-Diffusions Stochastic Differential Equations: Simulation and Financial Applications

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات

درباره فروشگاه

  • ایران
  • تعلیم مرکزی از دانش و علم و فناوریست ،جایی است که کلی مقاله و پروپزال رایگان در اختیار شما کاربران عزیز قرار می گیرد
  • info[at]taliem.ir

دوست عزیز شما می توانید فایل های رایگانی از جمله : نرم افزار ، کتاب ، جزوه ، مقاله و پروپوزال و غیره را از سایت تعلیم دانلود کنید و لازم به ذکر است که 80 در صد محصولات سایت تعلیم به صورت کاملا رایگان ارائه می شود.

در صورتی که فایل یا مقاله ای در سایت نشر داده شده است که دارای حق نشر می باشد خواهشمند است نویسنده یا ناشر با ایمیل زیر ما را در جریان قرار دهد تا از سایت حذف گردد

                taliemsite[@]gmail.com

شما را از پربازدید ترین مقالات مطلع می کنیم

دوست خوبم در صورت هر سوال یا مشکل از طریق تلفن یا پست الکترونیکی زیر می توانیم بهترین خدمات را به شما ارائه دهیم و مطمئن باشید تمام سعی خود را جهت ارائه بهترین خدمت به شما تقدیم خواهیم کرد.

تلفن:07734236086[دور کار-با ایمیل باشما هستیم]

پست الکترونیک : info[@]taliem.ir

اینستاگرام : taliemsit

تعلیم دانشگاهی برای تمام علوم
  • Facebook
  • Twitter
  • LinkedIn
  • Instagram
  • Pinterest
  • Reddit
A numerical method for portfolio selection based on Markov chain approximat...A numerical method for portfolio selection based on Markov[taliemir]bargh-taliem-irشبکه هوشمند؛ نظامی نوین در صنعت برق
رفتن به بالا