Trip Attraction model with seven in

Trip Attraction model with seven independent variables, i.e., population size, number of schools, number of students, number of teachers, areas of school buildings, number of offices, and number of houses applying Radial Basis Function Neural Networks (RBFNN) is presented in this paper. The data used in this study were derived from the origin destination survey in Palembang and the model was developed using 85 sets of land use - trip attraction data. A comparison was made between RBF model and regression model. The results show that RBF model performs better than regression model in predicting trip attraction and important variables are number of students, number of teachers, total areas of school buildings and number of offices

ผลลัพธ์ (ไทย) 1:

รุ่นที่เที่ยวเดินทาง มีเจ็ดตัวแปรอิสระ เช่น ขนาดประชากร จำนวนโรงเรียน จำนวนพื้นที่ ของอาคารเรียน จำนวนสำนักงาน บ้านที่ใช้รัศมีพื้นฐานฟังก์ชันของระบบเครือข่าย (RBFNN) นักเรียน จำนวนครูจะนำเสนอในเอกสารนี้ ข้อมูลที่ใช้ในการศึกษานี้ได้มาจากการสำรวจปลายทางของ origin ในปาเลมบัง และพัฒนารูปแบบใช้ชุด 85 การใช้ที่ดิน - สถานที่ท่องเที่ยวข้อมูลการเดินทาง ทำการเปรียบเทียบระหว่างรูปแบบ RBF และแบบจำลองถดถอย ผลแสดงว่า แบบ RBF ทำได้ดีกว่าแบบจำลองถดถอยในการทำนายสถานที่ท่องเที่ยว และตัวแปรที่สำคัญ จำนวนนักเรียน จำนวนครู พื้นที่รวมของอาคารเรียนและจำนวนสำนักงาน

ผลลัพธ์ (ไทย) 2:

รูปแบบที่น่าสนใจการเดินทางกับเจ็ดตัวแปรอิสระคือขนาดของประชากรจำนวนโรงเรียนจำนวนนักเรียนจำนวนครูพื้นที่ของอาคารเรียนจำนวนของสำนักงานและจำนวนบ้านที่ใช้ Radial โครงข่ายประสาทเกณฑ์ในฟังก์ชั่น (RBFNN) จะนำเสนอใน กระดาษแผ่นนี้. ข้อมูลที่ใช้ในการศึกษาครั้งนี้ได้มาจากการสำรวจแหล่งกำเนิดปลายทางในปาเล็มบังและรูปแบบได้รับการพัฒนาโดยใช้ชุด 85 ของการใช้ที่ดิน - ข้อมูลการเดินทางที่น่าสนใจ เปรียบเทียบได้ทำระหว่างรุ่น RBF และรูปแบบการถดถอย ผลการศึกษาพบว่ารูปแบบ RBF มีประสิทธิภาพดีกว่าแบบการถดถอยที่น่าสนใจในการทำนายการเดินทางและตัวแปรที่สำคัญคือจำนวนนักเรียนจำนวนครูพื้นที่รวมของอาคารเรียนและจำนวนของสำนักงาน

ผลลัพธ์ (ไทย) 3:

ทริปเที่ยวแบบมี 7 ตัวแปรอิสระ ได้แก่ ขนาดของประชากร จำนวนโรงเรียน จำนวนนักเรียน จำนวนครู จำนวนพื้นที่ของอาคารโรงเรียน , สำนักงาน , และจำนวนของบ้านใช้โครงข่ายเรเดียลเบซิสฟังก์ชันประสาท ( rbfnn ) ที่นำเสนอในบทความนี้ ข้อมูลที่ใช้ในการศึกษาได้มาจากต้นทางปลายทางการสำรวจในปาเล็มบังและรูปแบบการใช้ที่ดิน 85 ชุด การเดินทางไปเที่ยวข้อมูล การเปรียบเทียบระหว่างแบบจำลองและทำฐานแบบจำลองสมการถดถอย ผลการวิจัยพบว่า แบบจำลองการถดถอยแบบ RBF มีประสิทธิภาพดีกว่าในตัวแปรดังกล่าวดึงดูดการเดินทางและที่สำคัญ คือ จำนวนนักเรียน จำนวนครู และจำนวนพื้นที่รวมของอาคารโรงเรียนของสำนักงาน