CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Prediction of Tehran-Saveh freeway Accidents with using Fuzzy Neural Network and Fuzzy regression of natural logarithm

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۷۵ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ICESCON02_249
زبان مقاله: انگلیسی
حجم فایل: ۳۷۰.۷۹ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Prediction of Tehran-Saveh freeway Accidents with using Fuzzy Neural Network and Fuzzy regression of natural logarithm

  Zahra Souran Khanali - M.A Student of Manegment, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran
  Maryam Mosleh - Department of Mathematics, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran

چکیده مقاله:

Since Iran is among the countries where the rate of accidents caused by inattention to safety rules and factors affecting it always has been rising and according to the capabilities of fuzzy neural network model in predicting accidents, the main purpose of this paper can considered using of this method in order to predict the accidents of Tehran-Saveh freeway, which is one of the most dangerous freeway in the country. In order to understand better the results obtained for determine the independent variables in the gathering information part, the data of average daily traffic, speed average of heavy truck in monthly time units, through traffic calculators were used. In this study with evaluation of Fuzzy neural network model to Fuzzy regression of natural logarithm of the freeway traffic modeling, the accuracy of the models that built in accidents studied and the results indicate that the neural network model has a better efficiency than the natural logarithm regression.

کلیدواژه‌ها:

Freeway, Fuzzy neural networks, Fuzzy regression of the natural logarithm

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICESCON02-ICESCON02_249.html
کد COI مقاله: ICESCON02_249

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Souran Khanali, Zahra & Maryam Mosleh, ۱۳۹۴, Prediction of Tehran-Saveh freeway Accidents with using Fuzzy Neural Network and Fuzzy regression of natural logarithm, دومین کنفرانس بین المللی علوم و مهندسی, ترکیه - استانبول, موسسه مدیران ایده پرداز پایتخت ویرا, https://www.civilica.com/Paper-ICESCON02-ICESCON02_249.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Souran Khanali, Zahra & Maryam Mosleh, ۱۳۹۴)
برای بار دوم به بعد: (Souran Khanali & Mosleh, ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Abdulmanafi, Seyed Ebrahim And Ahmadinejad, Mahmoud And Afandizadeh, Shahreyar. (2007). ...
  • Bayata, Halim Ferit And Hattatoglu, Fatih And Karsli, Nes lihan. ...
  • Feuring, Thomas And Lippe, Wolfarm-M. (1999). Fuzzy Neural Networks Are ...
  • Hayashi, Yoichi And Buckley, James .J And Czogala, Ernest. (1993). ...
  • Hyder, Adnan-A And Jarawan, Eva And Mohan, Dinesh, Mohan And ...
  • Ishibuchi, Hisao And Kwon, Kitaek And Tanaka, Hideo. (1995). A ...
  • M ahmoudabadi, Abbas And Safi, Azamdokht. (2008). Daily estimate _ ...
  • Menhaj, Mohammad Bagher. (2000). Fundamentals of artificial neural networks. Amirkabir ...
  • Otadi, Mahmoud. (2014). Fully fuzzy polynomial regression with fuzzy neural ...
  • Peyvandi, Parivash And Nasiri, Ehsan And Amozadeh, Ali. (2005). Analysis ...
  • Raee, Reza And Falahpour, Saeid. (2008). Application of support vector ...
  • Souran Khanali, Zahra And Mosleh, Maryam. (2015). The study of ...
  • Vogt, Andrew And Bared, Joe. (1998). Accident models for two-lane ...
  • Wu, Hsien- Chung. (2003). Linear regression analysis for fuzzy input ...
  • Zadeh, Lotff-A. (1975). The concept of a linguistic variable and ...
  • Zadeh, Lotfi-A. (1975). The concept of a linguistic variable and ...
  • Zadeh, Lotfi-A. (1975). The concept of a linguistic variable and ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۲۷۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.