روش های پیش بینی

در گذشته بیشتر عملیات های نظامی بر اساس برآوردهای اطلاعاتی، نیروی انسانی، لجستیکی و سایر برآوردها و طرح های عملیاتی طرح ریزی و اجرا می گردیدند ولی به مرور زمان با گسترش عملیات های مشترک و حتی مرکب روش های پیش بینی، طرح ریزی و تصمیم گیری نیز متنوع تر شده و توسعه یافتند. در این مقاله کاربرد روش های پیش بینی و آینده پژوهی مورد توجه قرار گرفته و روش های متنوع مورد استفاده شناسایی، معرفی گردیدند. با مرور کاربرد این روش ها در مقالات علمی 10 سال اخیر و نظرات صاحب نظران مشخص گردید که روند استفاده از روش های پیش بینی و آینده پژوهانه رو به افزایش است. بر اساس مطالعات کتابخانه ای و مصاحبه با صاحب نظران و متخصصین روش های پیش بینی و آینده پژوهی در دو گروه روش های کمی و کیفی (98 روش اولیه) شناسایی گردیدند و با استفاده از روش PCA تعداد 64 روش استخراج و با روش تحلیل اهمیت- عملکرد (IPA) وضعیت کاربرد این روش ها در تصمیم گیری محیط عملیات مشترک و مرکب محاسبه شد. نتایج تحقیق نشان می دهد که از گروه روش های کمی؛ روش های تخمین حداکثر احتمال، مدل سازی رایانه، شبیه سازی، میانگین متحرک خودهمبسته، روش های غیرخطی پیش بینی، خودهمبسته، بردار خودهمبسته بدون محدودیت، الگوریتم ژنتیک و تحلیل روند و از گروه روش های کیفی نیز روش های تحلیل میک مک، دیده بانی آینده، رویه های آینده پژوهی مشارکتی، روش های گروه- مؤلفه، چشم اندازسازی، بازی جنگ و تحلیل مؤلفه اصلی از اهمیت بالاتری برخوردار هستند. همچنین در پایان با توجه به لزوم آشنایی تصمیم گیران محیط های عملیاتی مشترک و مرکب پیشنهادهایی برای بهبود استفاده از این روش ها ارائه شده است.

اثر شلاق چرمی که در زنجیره اتفاق می افتد، منجر به ناکارآمدی هایی همچون موجودی اضافی و سفارشات عقب افتاده در طول زنجیره می گردد. انجام پیش بینی مناسب می تواند تا حدود زیادی این مشکلات را مرتفع سازد. با توجه به اینکه زنجیره تأمین دارای سطوح مختلفی می باشد، لازم است پیش بینی در هر سطحی از زنجیره انجام شود. این مقاله به بررسی مسأله ترکیب بهینه پیش بینی جهت کاهش اثر شلاق چرمی در زنجیره تأمین چهار سطحی می پردازد. برای این منظور یک زنجیره تأمین چهار سطحی در نظر گرفته شده است که در هر یک از سطوح آن، یکی از روش-های میانگین متحرک، هموارسازی نمایی، رگرسیون خطی و شبکه عصبی مصنوعی پرسپترون چند لایه را برای پیش بینی مورد استفاده قرار می-دهد. برای این منظور نخست نسبت به شبیه سازی زنجیره تأمین مورد نظر اقدام و سپس نتایج با استفاده از روش تحلیل واریانس مورد آزمون قرار گرفته اند. از بین ترکیبات، دو ترکیب روش های پیش بینی با کمترین اثر شلاق چرمی بدست آمده است. میانگین متحرک، شبکه عصبی، هموارسازی نمایی و رگرسیون خطی به ترتیب برای سطح های خرده فروش، عمده فروش، تولید کننده و تامین کننده به عنوان یک جواب و دیگری به شکل میانگین متحرک، هموار سازی نمایی، شبکه عصبی و رگرسیون خطی با همان ترتیب سطوح یاد شده در زنجیره تامین می باشند و ترکیبات دیگر از مطلوبیت کمتری برخوردارند.

زنجیره های تامین و مدیریت آنها پارادایم غالب بر عرصه کسب و کار امروزی بوده و مواجهه با چالش های این مفهوم از اساسی و ضروری ترین مباحث مورد توجه محققان این زمینه است. یکی از چالش های اساسی زنجیره تامین بحث شلاق چرمی و عوامل موثر بر آن است. یکی از این عوامل مهم که بسیاری از محققان به آن اشاره داشته اند، روش های پیش بینی مورد استفاده در زنجیره های تامین است. در این مقاله یک زنجیره تامین سه سطحی در نظر گرفته شده است که در آن هر یک از سطوح یکی از روش های میانگین متحرک، هموارسازی نمایی و رگرسیون خطی را برای پیش بینی مورد استفاده قرار می دهند. برای این منظور نخست نسبت به شبیه سازی زنجیره تامین مورد نظر اقدام و سپس نتایج با استفاده از روش تحلیل واریانس مورد آزمون قرار گرفته اند. نتایج آزمون آماری انجام شده گویای آن است که با توجه به شرایط در نظر گرفته شده برای مسئله، بهترین ترکیب روش های پیش بینی شامل میانگین متحرک - رگرسیون خطی - هموارسازی نمایی و یا رگرسیون خطی - هموارسازی نمایی - میانگین متحرک می باشد و ترکیبات دیگر از مطلوبیت کمتری برخوردارند. روش شناسی مورد استفاده در این تحقیق می تواند به عنوان الگویی برای بررسی مسائل مشابه مورد استفاده قرار گیرد.

مصرف انرژی در بخش ساختمان ها به ویژه در ساختمان های مسکونی به دلیل توسعه اجتماعی و شهرنشینی، بیشترین سهم را در بین کلیه بخش های مصرف به خود اختصاص داده است. از فاکتورهای تعیین کننده ی میزان مصرف انرژی در ساختمان می توان به شرایط آب و هوایی و اقلیمی محل احداث ساختمان، مواد و مصالح بکار رفته در پوسته و جداره های خارجی ساختمان، نوع معماری و سازه ساختمان، تأسیسات مرکزی ساختمان(گرمایش، سرمایش، تهویه مطبوع و روشنایی)، لوازم و تجهیزات مصرف کننده (لوازم برقی و تجهیزات اداری) اشاره نمود. ازاین رو استفاده بهینه و ممانعت از هدر رفتن امکانات و گام برداشتن در جهت صرفه جویی و افزایش کارایی ساختمان، امری اساسی است. داده های بزرگ، منابع محاسباتی قدرتمند و مقرون به صرفه و الگوریتم های پیشرفته یادگیری ماشین در دهه های گذشته مورد تحقیق در بخش ساختمان ها بوده اند و پتانسیل خود را برای افزایش کارایی ساختمان نشان داده اند. اخیراً، هوش مصنوعی و به طورکلی تکنیک های یادگیری ماشین به طور خاص در پیش بینی و عملکرد انرژی ساختمان نقش مؤثری داشته و به همین ترتیب می توانند در بحث مصرف انرژی، مدیریت، صرفه جویی تر مصرف و در نهایت ایجاد راحتی و آسایش نقش بسزایی داشته باشند. هدف از این پژوهش، شناسایی ابزارهای هوش مصنوعی و کاربرد آن ها در بررسی مصرف انرژی می باشد.

استفاده از داده ها به منظور کشف رابطه بین آن ها اساس داده کاوی است. یکی از ابزارهای سنجش رابطه، مدل سازی و پیش-بینی استفاده از ابزار آماری رگرسیون است. تکنیک های رگرسیون یکی از محبوب ترین تکنیک های آماری است که برای داده کاوی، مدل سازی و پیش بینی مورد استفاده قرار می گیرد. امروزه به منظور تحلیل و کشف مدل روی داده های کلان، روش های مختلف رگرسیون توسعه یافته است. استفاده از تحلیل رگرسیون در علوم مختلف مانند علوم انسانی، علوم زیستی، فیزیک و شیمی و سایر حوزه ها کاربرد بسیاری دارد. اغلب پژوهش گران و تحلیل گران که با مدل های رگرسیونی سروکار دارند، از دو یا سه روش عمومی مانند رگرسیون خطی، رگرسیون چندکی و رگرسیون لجستیک استفاده می کنند، در حالیکه تکنیک های رگرسیونی بسیار گسترده می باشند و انواع مختلفی از روش های رگرسیون به منظور تحلیل داده های کیفی و کمی طراحی شده است. هر تحلیلگر باید بداند که بسته به نوع داده و توزیع از کدام شکل رگرسیون استفاده کند. در این پژوهش 16 نوع رگرسیون معرفی و بررسی شده است و به ارائه راهکارهایی به منظور انتخاب صحیح مدل رگرسیون و جلوگیری از مشکلات رایج در این حوزه پرداخته ایم.

انتشار گازهای گلخانه ای عامل اصلی گرمایش زمین و مسائل زیست محیطی است. بخش کشاورزی یکی از منابع عمده انتشار است، به طوری که یک سوم انتشار گازهای گلخانه ای در جهان مربوط به سیستم های کشاورزی می باشد. امروزه، پیش بینی یک ابزار مهم برنامه ریزی برای سیاست گذاران به شمار می رود. پیش بینی میزان انتشار گازهای گلخانه ای می تواند تصویری از آینده را برای سیاست گذاران، نمایان و آن ها را در اتخاذ تصمیم های راهبردی یاری نماید. روش های متنوعی برای پیش بینی متغیرها وجود دارد. هدف این مطالعه، مقایسه روش های پیش بینی و روند انتشار مهم ترین گازهای گلخانه ای (متان، دی اکسیدکربن و اکسیدنیتروژن) از بخش کشاورزی ایران است. آمار و اطلاعات لازم به صورت سالانه برای دوره زمانی 2019-1990 از سایت سازمان خوار و بار کشاورزی ملل متحد، بانک جهانی و ترازنامه انرژی وزارت نیرو، جمع آوری و به منظور پیش بینی متغیرها از روش های تک متغیره الگوی خودتوضیح جمعی میانگین متحرک (آریما)، هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز ضربی و الگوریتم هالت-وینترز تجمعی و روش چند متغیره خودرگرسیون برداری استفاده شد. بر اساس یافته های تحقیق، روش های هالت-وینترز تجمعی، شبکه عصبی مصنوعی و هموارسازی نمایی منفرد با روند بهترین پیش بینی را به ترتیب برای گاز متان، دی اکسیدکربن و اکسید نیتروژن ارائه دادند. نتایج نشان داد که روند انتشار گازهای متان و اکسید نیتروژن، نزولی و میزان انتشار گاز دی اکسیدکربن، صعودی خواهد بود. نتایج می تواند در پیش بینی انتشار گازهای گلخانه ای در بخش کشاورزی و به تبع آن اعمال سیاست های مناسب راهگشا باشد.