هوش مصنوعی و الگوریتم ترکیبی مناسب جهت افزایش دقت پیش بینی های مدیریتی مقالة

مؤلف: گیلانی نیا، شهرام ؛

Journal of Information Technology Management بهار و تابستان 1389 - شماره 4 ، العلمية - البحثية (Ministry of Science/ISC (‎18 صفحة - من 157 إلی 174 )

الکلمات المفتاحية: هوش مصنوعی اثربخشی پیش‌بینی‌های مدیریتی الگوریتم ابتکاری مدل ترکیبی الگوریتم زنجیره‌ی مارکوف گری مدل دقت پیش‌بینی

خلاصة:

این مقاله یک سامانه‌ی خبره‌ی ساده و اثربخش را برای پیش‌بینی داده‌ها نوسانی تصادفی‌ و کوتاه‌مدت ایجاد نموده است.فرآیند بررسی شامل معرفی سری فوریه،زنجیره‌ی مارکوف و مقایسه‌ی مدل پیش‌بینی(گری)با مدل پیش‌بینی ترکیبی گری-فوریه-مارکوف که درهم‌ آمیخته شده‌اند ادامه یافته،تا منجر به خلق یک سامانه‌ی خبره‌ی پیش‌بینی با کمک هوش مصنوعی‌ شود.این مدل موجب می‌شود اثربخشی پیش‌بینی داده‌های تصادفی نوسانی در اکثر برنامه‌های‌ مدیریتی افزایش یابد.حاصل این مطالعه،معرفی الگوریتم تشخیص هوش مصنوعی است که‌ کمک می‌کند تا محیطی رایانه‌ای برای یک سامانه‌ی پیش‌بینی خبره ایجاد شود که داده‌های کوتاه‌ مدت و اتفاقی ناپایدار را به درستی و با دقت پیش‌بینی کند.جهت آزمون اثربخشی الگوریتم ارایه‌ شده از داده‌های مطالعه‌های(چن تسای لین،8002)و داده‌های مربوط به پیش‌بینی تقاضای‌ گردشگری در ایران استفاده شده است.نتایج،نشان می‌دهد خروجی مدل برای دو کشور از دقت‌ بالایی برخوردار است.

ملخص الجهاز:

"این مدل موجب می‌شود اثربخشی پیش‌بینی داده‌های تصادفی نوسانی در اکثر برنامه‌های‌ کمک می‌کند تا محیطی رایانه‌ای برای یک سامانه‌ی پیش‌بینی خبره ایجاد شود که داده‌های کوتاه‌ ساده و اثربخش را برای پیش‌بینی داده‌های نوسانی تصادفی و کوتاه‌مدت ارایه نموده است. با مدل پیش‌بینی ترکیبی گری-فوریه-مارکوف که درهم آمیخته شده‌اند ادامه یافته،تا با مدل پیش‌بینی مارکوف و گری به دنبال این هدف است تا مشخص کند آیا مدل ترکیبی‌ مارکوف می‌توانند ارزش پیش‌بینی شده برای مرحله‌ی بعد را اصلاح کند مدل افزوده شده‌ این سامانه‌ی خبره را نشان می‌دهد و دو الگوریتم مدل پیش‌بینی گری و مدل پیش‌بینی‌ نمودار(1)طرز کار این سامانه خبره را نشان می‌دهد و دو الگوریتم مدل پیش‌بینی‌ x(0)(k) شامل داده‌های منفی است و سامانه مدل پیش‌بینی گری-فوریه-مارکوف را ،در غیر این صورت فوریه-مارکوف-گری برای پیش‌بینی انتخاب می‌شود. خام با فوریه-مارکوف-گری و بدون دقت پیش‌بینی اصلاح شده مدل گری استفاده‌ در این مرحله اگر شرایط مدل گری برقرار باشد برای مثال می‌توان پیش‌بینی تعداد فوریه-مارکوف-گری برای پیش‌بینی تقاضای بازدید گردشگران آسیایی از تایوان به‌ پیش‌بینی تقاضای توریسم در ایران با استفاده از مدل گری-مارکوف از مدل گری-مارکوف دقت پیش‌بینی مدل تقاضای گردشگری 79/78%است. برای دقت پیش‌بینی تقاضای گردشگری در استفاده از روش‌های تکی و ترکیبی در هر دو این مطالعه یک نظام تشخیص خبره برای افزایش دقت پیش‌بینی تقاضا را با استفاده از نحوه‌ی عملکرد مدل پیش‌بینی ارایه شده در دو کشور ایران و تایوان باید به میزان دقت‌ نمود که در آن مدیر یا سرپرست می‌تواند مدل فوریه-مارکوف-گری را برای‌ پیش‌بینی‌های طولانی‌مدت نیز به‌کار برد."

استلام ملف الإرجاع :
(پژوهیار, , , )

تحميل
تحميل HTML

رابط قصير:

صفحة:

دخول / الاشتراک

تحتاج الدخول لعرض محتوى المقالة. إذا لم تكن عضوًا ، فتابع من الجزء الاشتراک.

دخول