يهدف هذا البحث للحصول على نموذج عصبوني لفئة من النظم الخطية و اللاخطية و ذلك باستخدام خوارزمية البرمجة التطورية Evolutionary programming(EP لاختيار التركيب البنيوي الأمثل للشبكة العصبونية. استخدمنا برنامج ماتلاب Matlab لتصميم الشبكات العصبونية باستخد
ام EP, لما يملك من مرونة و سهولة في تمثيل المصفوفات (الأنساق الخلوية Cell Arrays و الأنساق متعددة الأبعادMulti Dimension Arrays ). و قد أثبتت النتائج العملية كفاءة الخوارزمية المستخدمة في الوصول إلى شبكة عصبونية مثلى.
تم اختبار أداء و صلادة النموذج الناتج و ذلك بحذف إحدى عصبونات الطبقة المخفية للشبكة التي نتجت عن تطبيق EP و دراسة تأثير هذا الحذف على خرج النموذج الناتج, و قد أكدت الدراسة على فعالية الخوارزمية و ذلك بالنسبة لفئة النظم المستخدمة.
يقدم هذا البحث تقنية جديدة لتحسين عامل الاستطاعة بالاعتماد على الشبكات العصبونية الاصطناعية. حيث يتم التحكم بمحرك متواقت عن طريق متحكم عصبوني للتعامل مع مشكلة تعويض الاستطاعة الردية للنظام، و ذلك بهدف تحسين عامل الاستطاعة.
تم في هذا البحث نمذجة النظ
ام الكهربائي و المتحكم العصبوني باستخدام برنامج ماتلاب، و قد بينت النتائج أن هذه الطريقة قد تغلبت على المشاكل التي تحدث عند استخدام الطرق التقليدية (استخدام المكثفات الساكنة)، كالتأخير الزمني و التغيرات الخطوية في تعويض الاستطاعة الردية، بالإضافة إلى السرعة بالمقارنة مع التعويض باستخدام المكثفات.
تشكّل هذه الدراسة خطوة تمهيدية لوضع موديل رياضي للتنبؤ بالحوادث المرورية في مدينة اللاذقية، يعتمد على عدد من العوامل الخارجية، والتي تشمل كلّاً من الخصائص الهندسية، والغزارات المرورية، وبيانات الحوادث المرورية. وأما هدفها الرئيسي فهو تخفيض عدد الحواد
ث المرورية المتوقعة مستقبلاً على الشوارع الرئيسية في المدينة، حيث تمت الدراسة على شوارع شريانية مختلفة فيها من حيث أهميتها ومن حيث عدد الحوادث المرورية المسجلة عليها، ومن حيث تنوع خصائصها هندسياً، وذلك من أجل الإلمام الكافي بظروف الحركة المرورية في المدينة اعتماداً على أسباب مختلفة، لا تعتمد على السلوك الإنساني للسائقين أو على خصائص العربة.
تم إجراء تحليل إحصائي لبيانات الحوادث المرورية للأعوام 2014 و 2015 و 2016 و 2017 على الشوارع المدينية في مدينة اللاذقية، حيث تم تصنيف الحوادث حسب خطورتها وزمن حدوثها ومكان وقوعها، وتمّ جمع البيانات اللازمة ورقمنتها ضمن بيئة برمجية في برنامج Excel Microsoft، ومن ثم بناء نموذج التنبؤ باستخدام أداة الشبكات العصبونية الصنعية في برنامج الماتلاب MATLAB، حيث تمّ إدخال بيانات 319 حادثاً مرورياً كانت قد سُجلت في الأعوام 2015 و 2016 و 2017، والتي تمّ تقسيمها في ثلاث مجموعات( التدريب والتحقق والاختبار). أعطت الشبكة العصبونية ذات الهيكلية(10-10-1) قيماً عالية لمعامل الارتباط، حيث بلغت قيمة R الكلية خلال المراحل الثلاث 0.931236 ، وهي قيمة قريبة جداً من الواحد، وبالتالي الشبكة المصممة مثالية وتحقق الاستجابة للتنبؤ بالحوادث المرورية شهرياً وبدقة عالية جداً.
