پیش بینی و کنترل بهینه ستاده های صنایع کشور با رویکرد مدل بندی فضای حالت و تبدیل لاپلاس
Publish place: Industrial Management Perspective، Vol: 5، Issue: 1
Publish Year: 1394
Type: Journal paper
Language: Persian
View: 243
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_INDU-5-1_006
Index date: 5 November 2021
پیش بینی و کنترل بهینه ستاده های صنایع کشور با رویکرد مدل بندی فضای حالت و تبدیل لاپلاس abstract
در این مقاله، از روش مدل بندی فضای حالت و تبدیل لاپلاس برای پیش بینی و کنترل بهینه ستاده های (ارزش افزوده و ارزش محصولات تولیدی) صنایع کشور استفاده شده است. برای این منظور، ابتدا همه گروه های صنعتی درقالب یک سیستم با داده ها و ستاده های مشخص در نظر گرفته شدند و براساس ارتباط بین داده ها و ستاده ها طی سال های ۱۳۹۰- ۱۳۷۴، معادلات فضای حالت با توجه به عملکرد صنایع کشور برآورد شد. سپس با انجام عملیات لاپلاس، رفتار هریک از گروه های صنعتی در تبدیل داده ها به ستاده ها شناسایی و بر این اساس، برای پیش بینی و کنترل رفتار ستاده های هریک از گروه های صنعتی اقدام شد. نتایج حاصل از روش پیشنهادی نشان دادند که استفاده از این روش در کنترل و پیش بینی بهینه ستاده ها درمقایسه با روش های موجود، مخصوصا تابع انتقال، بسیار کاراتر است؛ چون اولا روش پیشنهادی برای سیستم های دارای چندین ورودی و خروجی مناسب تر است و نتایج مطمئن تری را ارائه می کند و ثانیا با توجه به معادلات فضای حالت تبدیل ورودی ها به خروجی ها، رفتار سیستم قابل شناسایی خواهد بود و با شناخت رفتار سیستم می توان داده های مورد نظر را به سیستم وارد کرد و بر این اساس، ستاده ها را به صورت بهینه پیش بینی و کنترل کرد.
پیش بینی و کنترل بهینه ستاده های صنایع کشور با رویکرد مدل بندی فضای حالت و تبدیل لاپلاس Keywords:
پیش بینی و کنترل بهینه ستاده های صنایع کشور با رویکرد مدل بندی فضای حالت و تبدیل لاپلاس authors
احمد رجبی
دانش آموخته دکتری، دانشگاه شیراز.
عبدالرضا نداف
استادیار، دانشگاه شیراز.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :