• شماره ركورد
    15570
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    15570
  • پديد آورنده

    محمدجواد برنگي

  • عنوان
    ارائه مدل شبكه عصبي براي پيش‌بيني آلودگي صوتي ترافيك
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    عمران گرايش راه و ترابري
  • سال تحصيل
    بهمن ماه 1394
  • تاريخ دفاع
    بهمن ماه 1394
  • استاد راهنما
    دكتر علي منصورخاكي
  • چكيده
    چكيده مدل هاي پيش‌بيني آلودگي صوتي ناشي از ترافيك موجود اغلب بر پايه تحليل رگرسيوني هستند اين امر علي رغم عملكرد خوب اين مدل ها در پيش‌بيني سطح تراز صدا در موقعيت‌هاي ساده، سبب ناتواني براي توصيف راستاي صوت و دقت پايين اين‌گونه مدل‌ها در شرايط پيچيده نظير وجود سطوح بازتابي گرديده است، لذا انگيزه اين تحقيق تلاش براي تهيه مدلي براي پيش‌بيني آلودگي صوتي ناشي از ترافيك با استفاده الگوريتم‌هاي يادگيرنده نظير شبكه عصبي با توجه به توانايي اين‌گونه الگوريتم‌ها در مدل‌سازي شرايط غيرخطي و پيچيده است. در اين تحقيق ابتدا دو ساختار شبكه عصبي چندلايه(MLP) و شبكه عصبي شعاعي(RBF) براي تعداد محدودي از پارامترها به‌عنوان ورودي باهم مقايسه شده‌اند و پس از مشخص شدن برتري شبكه عصبي چندلايه، يك شبكه با ساختار دولايه پيش‌خور با تابع انتقال سيگماييد كه با الگوريتم يادگيري لونبرگ-ماركوارت آموزش‌ديده براي پيش بيني سطح صداي پيوسته وزن A (L_Aeq) ناشي از ترافيك استفاده‌شده است .داده‌هاي برداشتي شامل 51 نمونه است از34 نقطه از پهنه غربي و شمال غربي تهران برداشت‌شده است. پارامترهاي ورودي اين مدل شامل: حجم كل ترافيك در ساعت، سرعت ميانگين وسايل نقليه، درصد وسايل نقليه سنگين، شيب مسير و همچنين معرفي تراكم ساختمان‌هاي اطراف مسير و پارامتر ضريب بازتاب ساختمان‌هاي اطراف راه كه در اين تحقيق توسعه داده‌شده است. از اين داده‌ها به‌صورت تصادفي با درصدهاي10،10،80 % به ترتيب براي آموزش، ارزيابي و آزمون شبكه استفاده‌شده است. نتايج حاصل از مدل ساخته‌شده با شبكه عصبي چندلايه با نتايج حاصله از مدل رگرسيوني و داده‌هاي اندازه‌گيري شده و مدل‌هاي كلاسيك پيش‌بيني آلودگي صوتي ناشي از ترافيك نظير مدل بيان‌شده در نشريه 342 و مدل CORTN مقايسه شد. بررسي‌ها نشان داد كه خطاي اندازه‌گيري در نتايج حاصل از مدل شبكه عصبي بسيار كمتر از خطاي حاصله از مدل رگرسيوني و ساير مدل‌ها است. همچنين براي ارزيابي عملكرد مدل، آزمون آماري سنجش t (t-test) بكار گرفته شد و ثابت شد كه مدل ساخته‌شده با شبكه عصبي كارآيي بالايي در تخمين سطح صداي ناشي از ترافيك دارد. واژه‌هاي كليدي: آلودگي صوتي، مدل‌هاي پيش‌بيني، شبكه عصبي، شبكه عصبي چندلايه پرسپتروني، شبكه عصبي شعاعي