برترین مدل سری زمانی جهت پیش بینی وقایع و حوادث ناگوار
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,429
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SAFEMASHAD01_017
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
ثبت رویدادها و حوادث حیاتی یکی از فعالیتهای دیر پای بشری است که نقش مهم و حیاتی را در داشتن زندگی سالم تر و ایمن تر ایفا می کند. در اکثر برنامه ریزی های کشور برای آینده حفظ حیات بشر و تداوم زندگی ایمن برای انسان یک نیاز مبرم به شمار رفتهو نیاز به اطلاعات آماری و پیش بینی این گونه اطلاعات احساس می شود. از این رو بایستی بتوان تا حدودی میزان اتفاقات و به تبع آن کنترل بهینه ی آن را پیش بینی نمود.در مدلهای سری زمانی، اطلاعات مربوط به گذشته محصول را به ترتیب زمانی آنها مورد ارزیابی قرار داده و بر اساس آن،برای آینده محصول، پیش بینی انجام می گیرد، روشهایی که در سری زمانی مورد استفاده قرار می گیرند شامل: روش میانگین ساده، میانگین متحرک، میانگین متحرک وزنی، نمو هموار ساده، هولت وینترز و... می باشد که محقق جهت سنجش میزان اتفاقات از مدلهای مختلف سری زمانی استفاده نموده و با مقایسه بین مدل های مختلف، بهترین مدل را برای پیشبینی حوادث به صورت سالیانه، فصلی و ماهیانه، مدل نمو هموار ساده، با توجه به کمترین خطای پیش بینی، پیشنهاد نموده است.سری های زمانی، از روش های برآورد آماری در پیش بینی است که در این پژوهش پیش بینی بر اساس تجزیه و تحلیلداده ها در طی زمان ماه مورد تجزیه و تحلیل قرار می گیرد و با توجه به تغییرات فصلی و تغییرات تصادفی، محقق به روند حوادث طی پنج سال پی خواهد برد. پیش بینی برای برنامه ریزی کوتاه مدت، میان مدت، بلند مدت و جهت ساختنمحصولات موجود با امکانات موجود و نیل به اهداف سازمان آتش نشانی و خدمات ایمنی هدف اصلی پیش بینی حوادث می باشد که مدلهای سری های زمانی کاربردی یاد شده پاسخگوی این مسایل است
کلیدواژه ها:
نویسندگان
محمدرضا جودت
کارشناسی ارشد آمار محض، واحد آمار و مطالعات جغرافیایی اداره طرح و برنامه سازمان آتش نشانی وخدمات ایمنی شهرداری مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :