TY - JOUR ID - 11473 TI - کالیبره کردن مدل های پیش بینی تصادفات با استفاده از یک روش ابتکاری JO - پژوهشنامه حمل و نقل JA - TRI LA - fa SN - 1735-3459 AU - عامری, محمود AU - حسن میرابی مقدم, محمد AD - علم و صنعت ایران، مهندسی Y1 - 2010 PY - 2010 VL - 7 IS - 3 SP - EP - KW - مدل پیش بینی تصادفات KW - کالیبره کردن مدل KW - بهینه سازی KW - بردار گرادیان KW - همگرایی KW - طول گام بهینه DO - N2 - در فرایند مدل سازی آماری تصادفات، برآورد دقیق ضرایب ثابت مدل (کالیبره کردن) از اهمیت زیادی برخورد است. زیرا، این ضرایب میزان و چگونگی ارتباط متغیرهای مستقل با متغیر وابسته را بیان کرده و بهمین جهت تخمین نادرست آنها می تواند به ارایه نتایج غیرواقعی توسط مدل منجرگردد. برای تعیین ضرایب ثابت مدل های پیش بینی تصادفات، معمولاً از فرایندی موسوم به حداکثر کردن تابع درستنمایی استفاده می شود که در آن روشهای بهینه سازی نامقید نظیر "بردار گرادیان " ، "شبه نیوتن " و "نیوتن- رافسون" دارای بیشترین کاربرد در مدلهایی بویژه با توابع غیرخطی می باشند. اما، این روشها بدلیل اتکا به ماتریس هسین (مشتق مرتبه دوم) از ضعفهایی نظیرطولانی بودن زمان اجرای گامها، وابستگی به مقدار اولیه جهت شروع فرایند بهینه سازی و امکان ایجاد همگرایی برای یک تابع در نقطه ای بغیر از بالاترین قله برخوردار هستندکه در اغلب موارد فرایند بهینه سازی را با مشکل مواجه ساخته و از دقت محاسبه ضرایب مدل نیز به میزان زیادی می کاهند. در این مقاله، با استفاده از مبانی بهینه سازی عددی روشی ارایه شده است که ضعغهای یادشده را به حداقل رسانده و امکان مناسبی را برای مدلساز جهت کالیبره کردن مدل های پیش بینی تصادفات فراهم می آورد. یافته های حاصل از آزمایش این روش بر روی یک تابع عملکرد ایمنی و مقایسه آن با روش معمول بردار گرادیان که در این تحقیق مورد توجه قرار گرفته است، نشان می دهد که روش ابتکاری در اجرای فرایند بهینه سازی به نقطه شروع حرکت وابسته نبوده و همچنین همگرایی برای یک تابع غیرخطی را در بالاترین قله ممکن ایجاد می نماید. UR - https://www.trijournal.ir/article_11473.html L1 - ER -