Дослідження ефективності використання нейронних мереж при прогнозуванні прибуття поїздів на технічні станції

Автор(и)

  • Роман Віталійович Вернигора Дніпропетровський національний університет залізничного транспорту імені академіка В. Лазаряна вул. В. Лазаряна, 2, м. Дніпропетровськ, Україна, 49010, Україна https://orcid.org/0000-0001-7618-4617
  • Лідія Олегівна Єльнікова Дніпропетровський національний університет залізничного транспорту імені академіка В. Лазаряна вул. В. Лазаряна, 2, м. Дніпропетровськ, Україна, 49010, Україна https://orcid.org/0000-0002-7657-2879

DOI:

https://doi.org/10.15587/1729-4061.2015.42402

Ключові слова:

оперативне планування, прогноз, нейронна мережа, персептрон, тривалість руху поїзда

Анотація

Для визначення моментів прибуття вантажних поїздів на технічні станції розроблено модуль прибуття, як один із складових прогнозної моделі поїзної роботи напрямку. Модуль побудований на базі нейронної мережі, яка на основі статистичної інформації за попередні періоди та даних про поїзд, отриманих в режимі реального часу, визначає момент прибуття поїзда на станцію.

Біографії авторів

Роман Віталійович Вернигора, Дніпропетровський національний університет залізничного транспорту імені академіка В. Лазаряна вул. В. Лазаряна, 2, м. Дніпропетровськ, Україна, 49010

Кандидат технічних наук, доцент

Кафедра «Станції та вузли»

Лідія Олегівна Єльнікова, Дніпропетровський національний університет залізничного транспорту імені академіка В. Лазаряна вул. В. Лазаряна, 2, м. Дніпропетровськ, Україна, 49010

Аспірант

Кафедра «Станції та вузли»

Посилання

  1. Vernigora, R., Yelnikova, L. (2012). Prospects of locomotives and locomotive crews work adaptive control system creation. Transport systems and transport technologies, 4, 25–29.
  2. Vernigora, R., Yelnikova, L. (2014). The possibility of using artificial neural networks when predicting train work of rail directions. Transport systems and transport technologies, 7, 15–19.
  3. Nikolaeva, I. (2012). Application of artificial neural networks for prediction the dynamics of economic performance Sphere of services: innovation and quality, 8. Available at: http://journal.kfrgteu.ru/files/1/2012_8_22.pdf
  4. Kremen, T., Yakovina, V., Sinitska, O. (2011). Using Elman neural network to predict software reliability. Computer Science and Engineering: materials of the V International conference of young scientists, 88–89. Available at: http://ena.lp.edu.ua:8080/bitstream/ntb/22553/1/26-Kremen-88-89.pdf
  5. Kudritska, N. (2014). Prediction of development of the transport system of Ukraine using neural networks. Economic and mathematical modeling of socio-economic systems, 19, 198–207. Available at: http://nbuv.gov.ua/j-pdf/emmses_2014_19_13.pdf
  6. Sun, Y., Lang, M., Wang, D., Liu, L. (2014). A PSO-GRNN model for railway freight volume. Journal of Industrial Engineering and Managemen, 7 (2), 413–433. doi: 10.3926/jiem.1007
  7. Anitha, B., Duraiswamy, K. (2012). A heuristic moving vehicle location prediction technique via optimal paths selection with aid of genetic algorithm and feed forward back propagation neural network. International Journal of Computer Science, 8 (12), 2008–2016. Available at: http://thescipub.com/PDF/jcssp.2012.2008.2016.pdf doi: 10.3844/jcssp.2012.2008.2016
  8. Anitha, B., Duraiswamy, K. (2014). An efficient optimization based vehicle movement prediction with aid of feed forward back propagation neural network. International Journal of Computer Science, 91 (12), 24–31. Available at: http://research.ijcaonline.org/volume91/number12/pxc3895196.pdf doi: 10.5120/15933-5196
  9. Lavrukhin, O. V. (2014). Intellectual model formation of railway station work during the train operation execution. Nauka ta progres transportu, 55 (1), 43–53.
  10. Filippenko, O. I., Filippenko, I. G. (2005). Biological, artificial and neuro- automaton networks – a comparative analysis. Part 2. Artificial neural networks. Eastern-European Journal of Enterprise Tecnologies, 3/2 (15), 87–93.
  11. Haykin, S. (2006). Neural networks: a complete course. Moscow: Izdatel'skij dom «Vil'jams»,, 1104.
  12. Yelnikova L. (2014). The research of duration of freight trains movement between the technical stations of railway direction. Transport systems and transport technologies, 8, 35–39.
  13. Rudenko, O. G., Bodyanskiy, E. V. (2006). Artificial neural networks. Kharkіv: TOV «Kompanіja SMІT»,, 404.
  14. Rutkovskaya, D., Pilinskiy, M., Rutkovskiy, L. (2006). Neural networks, genetic algorithms and fuzzy systems. Moscow: Gorjachaja linija – Telekom, 452.
  15. Bodyanskiy, E. V., Rudenko, O. G. Artificial neural networks: architecture, training, application. Kharkiv: Teleteh 369.
  16. Bishop, C. M. (1995). Neural networks for pattern recognition. Clarendon Press, Oxford, 498. Available at: http://www.engineering.upm.ro/masterie/sacpi/mat_did/info068/docum/neural%20networks%20for%20pattern%20recognition.pdf
  17. Sussner, P. (1999). Perceptrons. Wiley Encyclopedia of Electrical and Electronics Engineering. doi: 10.1002/047134608x.w5112
  18. Novotarskiy, M. A., Nesterenko, B. B. (2004). Artificial neural networks: the calculation. Works of the Institute of mathematics of NAS of Ukraine, 50, 408. Available at: http://novotarskiy.narod.ru/mono2.htm
  19. Lotfi, E., Akbarzadeh-T, M.-R. (2014). A novel single neuron perceptron with universal approximation and XOR computation properties. Computational Intelligence and Neuroscience, 2014, 1–6. doi: 10.1155/2014/746376

##submission.downloads##

Опубліковано

2015-06-29

Як цитувати

Вернигора, Р. В., & Єльнікова, Л. О. (2015). Дослідження ефективності використання нейронних мереж при прогнозуванні прибуття поїздів на технічні станції. Eastern-European Journal of Enterprise Technologies, 3(3(75), 23–27. https://doi.org/10.15587/1729-4061.2015.42402

Номер

Том 3 № 3(75) (2015): Процеси управління

Розділ

Процеси управління

Ліцензія

Авторське право (c) 2015 Роман Віталійович Вернигора, Лідія Олегівна Єльнікова

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.