پیش بینی تعداد تویست با استفاده از رگرسیون بردار پشتیبان و بهینه سازی پارامترها و مقادیر پنجره سری زمانی توسط الگوریتم ژنتیک آشوبناک

میزان صحت پیش بینی تعداد توریست، یک بحث اساسی در برنامه ریزی برای توریست ها به حساب می آید. اخیرا رگرسیون بردار پشتیبان) SVR ( توجه محققین را در بحث پیش بینی سری زمانی به خود جلب کرده است، اما چالش آن، پیدا نمودن مقادیر درست پارامترها است. ما در این تحقیق الگوریتم ژنتیک آشوبناک را معرفی کرده که در آن با استفاده از نگاشت لوجستیک آشوبناک در بخش تولید جمعیت اولیه، تنوع جمعیت را بالا بردیم و نیز میزان جهش را با تابع آشوبناک تولید نموده با اینکار احتمال پیدا کردن جواب بهینه سراسری را بالابرده و از همگرایی زودهنگام جلوگیری نمودیم. و نیز مقادیر پنجره مناسب برای سری زمانی توریست را توسط الگوریتم ژنتیک آشوبنک محاسبه نمودیم و سپس داده های این پنجره را با به رگرسیون بردار پشتیبان داده و پارامترهای آن را با استفاده از الگوریتم ژنتیک آشوبناک بهینه نمودیم. نتایج نشان دهنده ی بهبود عملکرد الگوریتم است که خطا را به میزان 38.6 % کاهش داده است.

Keywords:

Support vector regression , SVR , الگوریتم ژنتیک آشوبناک , سری زمانی , رگرسیون , SVM