@ARTICLE{Haghdoust, author = {Moslehi, Shandiz and Gholami, Arsalan and Haghdoust, Zahra and Abed, Hosein and Mohammadpour, Saman and Moslehi, Mohammad Ashkan and }, title = {Prediction of traffic accidents based on weather conditions in Gilan province using artificial neural network}, volume = {24}, number = {3}, abstract ={مقدمه: حوادث ترافیکی یکی از دلایل اصلی مرگ­ومیر در سراسر جهان از جمله ایران محسوب می شود. عوامل متعددی در بروز حوادث ترافیکی نقش دارند که با استفاده از مدل­های مختلف می­توان این عوامل را شناسایی و بروز حوادث ترافیکی را پیش­بینی کرد. هدف این مطالعه پیش­بینی حوادث ترافیکی بر اساس وضعیت آب‌وهوا با استفاده از شبکه عصبی مصنوعی می‌باشد. روش ­ها: پژوهش حاضر به روش کمی بین سال­های 1393 تا 1396 انجام شد که داده­های ترافیکی طی با استفاده از شبکه پرسپترون چندلایه بررسی شد. متغیرهای ورودی شبکه شامل حداقل دما، میانگین دما، متوسط بارش، حداکثر سرعت باد، یخبندان، فشار هوا، غلظت مه و متغیر خروجی نیز تعداد تصادفات در محیط موردمطالعه بود. یافته ­ها: شبکه طراحی‌شده، با هفت نورون در لایه ورودی، چهار نورون در لایه میانی و یک نورون در لایه خروجی با تابع بهینه­سازی لونبرگ-مارکواردت و تابع انتقال تانژانت سیگموئید در لایه میانی و تابع انتقال خطی در لایه خروجی به‌عنوان شبکه بهینه انتخاب شد. یافته­ها نشان داد که شبکه طراحی‌شده با ضریب همبستگی (R= 0.90) و میانگین مربع خطا (MSE= 0.01) توانایی بالایی در پیش­بینی حوادث ترافیکی دارد. نتیجه‌گیری: با توجه به اهمیت پیش­بینی حوادث ترافیکی و نقش آن جهت ارتقای سلامت افراد جامعه، نتایج حاصل از این مطالعه می­تواند جهت گسترش اقدامات پیشگیرانه مؤثرتر برای سیاست‌گذاران و محققان قابل‌استفاده باشد. با توجه به نتایج بدست آمده شبکه عصبی کارایی خوبی برای پیش‌بینی کوتاه‌مدت جریان ترافیک از خود نشان داده است. }, URL = {http://jha.iums.ac.ir/article-1-3800-fa.html}, eprint = {http://jha.iums.ac.ir/article-1-3800-fa.pdf}, journal = {Journal of Health Administration}, doi = {10.52547/jha.24.3.67}, year = {2021} }