این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های مهندسی صنایع در سیستم های تولید، جلد ۱۰، شماره ۲۰، صفحات ۱۷۱-۱۸۱
عنوان فارسی پیاده‌سازی رویکرد ترکیبی میانگین متحرک یکپارچه خودرگرسیون-شبکه عصبی و میانگین متحرک یکپارچه خودرگرسیون-روش پیش‌بینی محلی در سیستم مدیریت ترافیک. مطالعه موردی: فرودگاه یک کلان‌شهر
چکیده فارسی مقاله امروزه، باتوجه به ضرورت انجام پیش‌­بینی در بسیاری از مسائل دنیای واقعی، پیش‌­بینی سری‌­های زمانی یکی از موضوعات اصلی مورد بحث و تحقیق می‌­باشد. مدیریت حمل‌ونقل کلان­شهرها یکی از مسائل چالش‌برانگیز در حیطه پیش‌­بینی است. پیش­‌بینی دقیق و قابل اطمینان از جمله نیازهای یک سیستم حمل‌ونقل هوشمند می­‌باشد. در این مطالعه، هدف پیش‌­بینی تعداد مسافرین ورودی به فرودگاه یک کلان­شهر جهت ارائه خدمات مطلوب به مسافرین است. متغیر مورد مطالعه در این مقاله مشابه مفهوم متغیر جریان در مدیریت ترافیک می‌­باشد. اغلب مطالعات انجام شده در حیطه مدیریت ترافیک از روش‌­های خطی و یا غیرخطی برای پیش­بینی آینده بهره گرفته‌­اند و مزایای استفاده از رویکردهای ترکیبی مورد توجه قرار نگرفته است. در مطالعات پیشین، روش­‌های ترکیبی میانگین متحرک یکپارچه خودرگرسیون-شبکه عصبی مصنوعی (ARIMA-ANN) متنوعی توسعه یافته‌­اند که روابط میان داده‌ها را بررسی می‌­کنند. مطالعه حاضر، از یک رویکرد ARIMA-ANN برای تجزیه داده‌­ها به دو قسمت کم‌نوسان و پرنوسان و انجام پیش­‌بینی دقیق استفاده می­‌کند. علاوه‌‌بر این، در این مطالعه محققین یک رویکرد ترکیبی جدید، میانگین متحرک یکپارچه خودرگرسیون-تکنیک پیش‌­بینی محلی (ARIMA-Local) برای بررسی کارایی سایر روش‌­های غیرخطی ارائه کرده­‌اند. نتایج عددی حاصل از پیاده‌­سازی روش‌های مذکور بر روی مطالعه موردی، دقت بالای روش ARIMA-ANN در پیش‌­بینی و همچنین قابلیت بهتر روش ARIMA-Local در مقایسه با روش‌­های انفرادی شبکه عصبی مصنوعی و هموارسازی نمایی را نشان می‌­دهد.
کلیدواژه‌های فارسی مقاله شبکه عصبی مصنوعی (ANN)، میانگین متحرک خودهمبسته یکپارچه (ARIMA)، رویکرد ترکیبی ARIMA-ANN، رویکرد ترکیبی ARIMA-Local، مدیریت ترافیک هوشمند،
عنوان انگلیسی
چکیده انگلیسی مقاله
کلیدواژه‌های انگلیسی مقاله شبکه عصبی مصنوعی (ANN), میانگین متحرک خودهمبسته یکپارچه (ARIMA), رویکرد ترکیبی ARIMA-ANN, رویکرد ترکیبی ARIMA-Local, مدیریت ترافیک هوشمند
نویسندگان مقاله شادی صدری |
دانشجوی دکترای گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع، دانشگاه صنعتی امیرکبیر، تهران، ایران

سیدمحمدتقی فاطمی قمی |
استاد گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع، دانشگاه صنعتی امیرکبیر، تهران، ایران

نشانی اینترنتی https://ier.basu.ac.ir/article_5046_5941263ebbf3bcca58466a7fd3511f74.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات