محمدمهدی خوشرفتار

هدف این مقاله ارائه مدلی مبتنی بر شبکه های عصبی پیشخور با دقت بالا برای پیش بینی تأخیر قطار های مسافری در راه آهن جمهوری اسلامی ایران است. در این مقاله از سه روش مختلف برای ورودی شبکه های عصبی، شامل ورود به صورت اعداد حقیقی نرمال شده، تبدیل ورودیها به صورت دودویی و همچنین تبدیل ورودیها به رشته های دودویی استفاده شده است. برای یافتن ساختاری مناسب برای شبکه عصبی در مدل پیشنهادی از سه استراتژی مختلف استفاده شده است که به ترتیب استراتژی سریع، استراتژی پویا و استراتژی چندگانه نام دارند. داده های مورد استفاده در این پژوهش شامل تأخیر قطارهای مسافری راه آهن جمهوری اسلامی ایران از سال های 1383 تا 1387 است. برای آماده سازی داده ها، جهت حذف داده های متناقض و دارای نویز که همواره همراه با مجموعه داده های دنیای واقعی است، پیش پردازش کاملی صورت گرفته است، برای پیشگیری از بیش برازش مدل با مشخصات داده های آموزشی، براساس روش اعتبارسنجی تقاطعی، داده ها به سه قسمت داده-های آموزشی، داده های اعتبارسنجی و داده های آزمایشی تقسیم شدند. برای ارزیابی مدل پیشنهادی، نتایج حاصل از روشهای مختلف ورود داده و استراتژی های یافتن ساختار مناسب شبکه، با یکدیگر و همچنین با بعضی روشهای رایج پیش بینی از قبیل درختهای تصمیم و رگرسیون لجستیک چند جمله ای مقایسه شده اند. برای مقایسه مدلهای مختلف شبکه های عصبی مورد استفاده در این مقاله زمان آموزش مدل، دقت پیش بینی بر روی داده های آزمایشی و اندازه شبکه در نظر گرفته شده است. برای انجام مقایسه ای دقیق میان تمامی مدلها، نمودار زمان - دقت ترسیم شده است. نتایج به دست آمده نشان می دهند مدل پیشنهادی از دقت بیشتری برخوردار است.