ارسل ملاحظاتك

ارسل ملاحظاتك لنا







دراسة مقارنة بين نموذج الشبكات العصبية ذات دالة الأساس الشعاعي وشبكة متعددة الطبقات ونماذج ARIMA للتنبؤ بحوادث المرور بولاية تلمسان خلال الفترة 2011-2019

العنوان بلغة أخرى: Comparison Between Neural Network Model of Radial Basis Function Multilayer Perceptron and ARIMA Model to Predict Traffic Accidents in Tlemcen Region During the Period 2011-2019
المصدر: مجلة الاستراتيجية والتنمية
الناشر: جامعة عبدالحميد بن باديس مستغانم - كلية العلوم الاقتصادية والتجارية وعلوم التسيير
المؤلف الرئيسي: ساهد، عبدالقادر (مؤلف)
المؤلف الرئيسي (الإنجليزية): Sahed, Abdelkader
مؤلفين آخرين: قهوي، حسن (م. مشارك)
المجلد/العدد: مج11, ع4
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2021
الشهر: جويلية
الصفحات: 295 - 311
DOI: 10.34276/1822-011-004-017
ISSN: 2170-0982
رقم MD: 1165707
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
حوادث المرور | نموذج RBF | نموذج MLP | الشبكات العصبية | Traffic Accidents | RBF Model | MLP Model | Neural Networks | ARIMA
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

30

حفظ في:
المستخلص: تهدف هذه الدراسة إلى مقارنة تنبؤ نموذج الشبكات العصبة ذات دالة الأساس الشعاعي RBF مع شبكة متعددة الطبقات MLP ونماذج ARIMA في تحليل السلسلة الزمنية الخاصة بحوادث المرور الشهرية لولاية تلمسان للفترة من 2011 إلى 2019، وقد تم الاعتماد على معيار جدر متوسط مربعات الخطأ (SMSE) للمقارنة بين النماذج الثلاث. ومن خلال البحث تم التوصل إلى مجموعة من النتائج التجريبية أهمها أن النموذج RBF يعطى نتائج أفضل من شبكة متعددة الطبقات MLP ونموذج ARIMA في التنبؤ بحوادث المرور بولاية تلمسان.

This study aims to test the ability of the neural networks radial basis function model to predict road traffic accidents, compared to the LMP neural networks model and the ARIMA model. The sample included historical data on the number of traffic accidents in the county of Tlemcen, during the period from 2011 to 2019, and we obtained that the RBF model is better than the MLP neural network model and ARIMA model in the prediction of traffic accidents in Tlemcen Region.

ISSN: 2170-0982