{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TA611",
        "title": "تخمین ماتریس سفر با استفاده از هوش مصنوعی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1400",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TA611",
        "title": "تخمین ماتریس سفر با استفاده از هوش مصنوعی",
        "degree": null,
        "faculty": "مهندسی عمران",
        "year": 1400,
        "authors": [
            {
                "name": "ابوالفضل سجادی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین قاسم زاده طهران",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "سفر",
            "ماتریس سفر",
            "تخمین",
            "هوش مصنوعی",
            "شبکه عصبی",
            "MATLAB 2013",
            "نرمال سازی داده‌ها."
        ],
        "abstract": "از مهمترین پارامترها در مطالعات و مدیریت حمل و نقل، تعداد سفر بین مبداء و مقصد است که با استفاده از ماتریس سفر نشان داده می‌شود. از آنجا که تهیه ماتریس سفر نیازمند صرف زمان و هزینه بسیار زیادی است در سال‌های اخیر، روش‌های متعددی جهت تخمین ماتریس سفر ابداع و استفاده شده‌ است. در این تحقیق هدف آن است تا با استفاده از هوش مصنوعی بتوان با استفاده از جمعیت ساکن در نواحی مبداء و مقصد و سطح زیربنای کاربری اراضی واقع در هر ناحیه، تخمین مناسبی از ماتریس سفر ارائه نمود. بدین منظور ابتدا تحقیقات پیشین بررسی شدند و نتیجه حاصل شد که می‌توان با استفاده از هوش مصنوعی تحقیقی مشابه با موضوع این تحقیق را به سرانجام رسانید. پس از آن داده‌های مربوط به سرشماری جمعیت و همچنین سطح زیربنای کاربری اراضی موجود در نواحی شهرداری در شهرهای مشهد و اصفهان جمع آوری شدند و پس از آماده سازی داده های خام، داده های آماده شده در دو حالت داده‌های نرمال‌سازی شده و داده های بدون نرمال‌سازی با استفاده از روش‌های 1) شبکه عصبی جعبه ابزار نرم افزار MATLAB 2013 2) شبکه عصبی چندلایه بدون محدودیت داده‌های اعتبار سنجی 3) شبکه عصبی با حذف داده‌های نویزی 4) شبکه عصبی پیشخور جهت تخمین ماتریس سفر استفاده شدند.\r\nدر این تحقیق مناسب‌ترین نتایج هنگام استفاده از داده های نرمال سازی شده در شبکه عصبی چندلایه بدون لحاظ کردن محدودیت اعتبارسنجی داده ها حاصل شد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TA611.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}