عنوان پایان‌نامه
پیش بینی جریان ترافیک با استفاده از شبکه های فازی-عصبی
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2443;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63113
- تاریخ دفاع
- ۰۵ خرداد ۱۳۹۳
- دانشجو
- سروش شفیعی زاده آباده
- استاد راهنما
- اشکان رحیمی کیان, احمد کلهر
- چکیده
- در این پایان نامه دو مدل عصبی فازی خطی محلی در زمینه پیش بینی سری های زمانی و بخصوص پیش بینی کوتاه مدت جریان ترافیک بزرگراه ها، ارائه شده است. در سال های اخیر، ارائه و توسعه روش های مبتنی بر مدل تاکاگی سوگنو مرتبه اول توجه فراوانی را به خود جلب کرده است. نخستین روش پیشنهادی یک مدل برون خط عصبی فازی خطی محلی است که مدل آن معادل با مدل درخت مدل خطی محلی است با این تفاوت که در مدل پیشنهادی نحوه شکسته شدن زیر مدل ها توسط بردارهای ویژه ماتریس کواریانس تعیین می شود. شناسایی ساختار در این مدل که معادل با یک روش خوشه یابی افزایشی است با استفاده از تجزیه به مقادیر و بردارهای ویژه صورت می گیرد. این روش بر روی سری های زمانی بار الکتریکی و جریان ترافیک آزادراه تهران-کرج و بزرگراه I-494 آزموده شده و نتایج نشان دهنده این است که مدل پیشنهادی توانسته این سری های زمانی را با دقت بیشتر نسبت به سایر روش های برون خط پیش بینی نماید. روش نوین دیگری که در این پایان نامه ارائه شده است، یک مدل تکاملی عصبی فازی بر مبنای نسخه برخط خوشه یابی گوستافسون-کسل است. روش بر خط ارائه شده توانایی خلق خوشه های بیضی اریب با هر درجه چرخش را دارد و تمامی پارامترهای آن به صورت بازگشتی محاسبه می شود. همچنین، عملگرهایی جهت اضافه کردن خوشه جدید، حذف خوشه غیر موثر و ادغام خوشه مشابه معرفی شده است. در روش برخط پیشنهادی، جهت به روز رسانی زیرمدل های خطی، از فاکتور فراموشی تطبیقی استفاده شده است که باعث افزایش دقت مدل می شود. این روش بر روی سری زمانی آشوبناک مکی گلاس که به عنوان یک ارزیابی مقایسه ای متداول بین روش های برخط مطرح است، آزموده شده و نتایج بیان گر آن است که مدل پیشنهادی توانسته این سری زمانی را با دقت مناسب و با تعداد مدل محلی کمتر نسبت به روش های مشابه برخط، پیش بینی نماید. در نهایت با استفاده از مدل برخط پیشنهادی به پیش بینی جریان ترافیکی آزادراه تهران کرج و بزرگراه I-494 پرداختیم. نتایج توانایی مدل در پیش بینی جریان ترافیک را نشان می دهد. واژه‌های کلیدی: مدل های عصبی فازی خطی محلی، ماتریس کواریانس، تجزیه به مقادیر و بردارهای ویژه، پیش بینی جریان ترافیک، مدل تکاملی عصبی فازی، خوشه یابی گوستافسون کسل، خوشه های بیضی اریب، فاکتور فراموشی تطبیقی.
- Abstract
- Software product line (SPL) engineering proposes efficient development of multiple related software systems (called products at once through systematic reuse of common parts and management of variability between the products in a SPL. A SPL architecture reifies the commonalities and variability between the various products at the highest level of abstraction by focusing on their subsystems and relationships. Many safety critical systems are developed as product lines. So correctness assurance of SPL architecture is crucial to detect design errors at the early stages of developments, and consequently prevent their propagations to the next steps. We provide a formal architecture description language to capture behavioral and structural aspects of product line architectures while variability relative to the software architecture of the product line are explicitly addressed. The language uses the textual and graphical notations to describe the architecture and tries to provide a valid model of SPL. The behavior of elements are specified by sequential semi-algebraic process terms. Also, we define how the overall behavior of an architecture is derived from the behavior of its elements and graphical description in a systematic way. The formal behavior description of a product line architecture enables application of formal techniques like model checking and equational reasoning to detect design errors and to manipulate its description . To apply the latter technique, we provide the notion of product line bisimilarity over process terms. Our framework demonstrate that integrating semi-formal and formal notations provides us powerful yet simple description language to specify and verify complexities adherent to the product line architectures.
