|
|
|
ارزیابی پارامتر مدل میانگین حرکت خود بازگشتی برای پیش بینی جریان رودخانه با استفاده از برنامه ریزی هدفمند
خلاصه: پیش بینی جریان رودخانه یکی از مهم ترین کاربردها را در هیدرولوژی (آب شناسی) تشکیل می دهد. روش های متعددی برای این منظور توسعه یافته اند و یکی از مشهورترین تکنیک ها، مدل میانگین حرکت خود بازگشتی (ARMA) می باشد. در بررسی گزارش شده در اینجا، هدف، حداقل رسانی خطا برای فصل خاصی از سال و همچنبن سری های کامل می باشد. برنامه ریزی هدفمند (GP) برای ارزیابی پارامترهای مدل ARMA مورد استفاده قرار گرفته است. ایستگاه شالو بریدج در رودخانه ی کارون به همراه 68 سال سابقه در مورد داده های مربوط به جریان رودخانه ای، برای ارزیابی کارایی روش پبشنهاد شده انتخاب شد. نتایج هنگام مقایسه با روش معمول ارزیابی احتمال ماکزیمم با توجه به الگوریتم پیشنهاد شده جدید مطلوب بودند. کلیدواژه: مدل های آماری، پیش بینی جریان رودخانه، برنامه ریزی هدفمند، میانگین حرکت خود بازگشتی
:: برچسب‌ها:
مدل های آماری ,
پیش بینی جریان رودخانه ,
برنامه ریزی هدفمند ,
میانگین حرکت خود بازگشتی ,
ARMA ,
هیدرولوژی ,
آب شناسی ,
مقاله انگلیسی عمران و معماری با ترجمه فارسی ,
مقاله انگلیسی عمران و معماری با ترجمه ,
مقاله انگلیسی عمران و معماری ,
Parameter estimation ,
ARMA model ,
river flow forecasting ,
goal programming ,
:: بازدید از این مطلب : 90
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : چهار شنبه 24 مرداد 1395 |
نظرات ()
|
|
با توجه به ويژگي هاي تقاضاي قطعات يدكي سبب مشكلاتي در پيش بيني اين نوع تقاضاها شده است. تعدد زياد قطعات يدكي خودرو ، رفتار تصادفي آنها در طول زمان و صفر بودن تقاضا در بسياري از پريودها پيش بيني ميزان مصرف را به يكي از بزرگترين چالش هاي پيش روي شركتهاي خودروسازي و تأمين كنندگان قطعات تبديل كرده است. مدلهاي پيش بيني سري زماني:چندين روش متفاوت به منظور مدلسازي سري هاي زماني وجود دارند. مدلهاي آماري شامل ميانگين متحرك ، هموارسازي نمايي و آريما خطي مي باشند كه در آنهاپيش بيني مقادير آينده به اين موضوع محدود شده است كه مقادير آينده توابع خطي از مشاهدات گذشته باشند. اينگونه روشها به دليل سادگي نسبي در فهم و به كارگيري ، در تحقيقات چند دهه اخير بسيار مورد توجه بوده اند. براي غلبه بر محدوديت خطي بودن مدل و به حساب آوردن الگوهاي غيرخطي مشخص در مسائل واقعي ، چندين نوع مختلف از مدل هاي غير خطي در ادبيات موضوع پيشنهاد شده استكه از جمله مهمترين آنها مي توان به اتورگرسيو شرطي (ARCH) ، دو خطي و اتورگرسيو آستانه اي (TAR) اشاره نمود. هرچند مدلهاي غيرخطي مذكور بهبودهايي در مسائل پيش بيني ايجاد نموده اند ، اما به كار گيري آنها در حالت كلي محدود مي باشد چراكه اينگونه مدلها تنها براي الگوهاي غيرخطي خاصي طراحي شده اند و قادر به مدلسازي انواع ديگر سري هاي زماني غير خطي نمي باشند. اخيرا شبكه عصبي مصنوعي به عنوان يك جايگزين مناسب جهت مدلسازي سري هاي زماني پيشنهاد شده اند. نقطه قوت اصلي شبكه هاي عصبي مصنوعي قابليت مدلسازي غيرخطي انحراف پذير آنهاست. در ادامه اين مقاله به تشريح اصول اساس فرآيند مدلسازي توسط مدل آرما و آريما پرداخته خواهد شد.
:: برچسب‌ها:
روشهاي پيش بيني قطعات خودرو ,
روشهاي پيش بيني كاربردي ,
سري زماني ,
آريما ,
پيش بيني ,
پيش بيني تقاضاي قطعات يدكي خودرو ,
رگرسيون غير خطي ,
رگرسيون خطي ,
پيش بيني قطعات يدكي ,
قطعات يدكي ,
روند مصرف قطعات يدكي ,
آرما ,
arima ,
arma ,
:: بازدید از این مطلب : 41
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : چهار شنبه 1 ارديبهشت 1395 |
نظرات ()
|
|
صفحه قبل 2 3 4 5 ... 6341 صفحه بعد
|
|
|
عضو شوید
عضویت سریع
آمار مطالب
آمار بازدید
