مدل جديد پيش بيني چند گامي تقاضا با استفاده از روش‌هاي يادگيري عميق و تكنيك‌هاي داده‌افزايي سري زماني

در يك محيط تجاري كه رقابت سختي بين شركت‌ها وجود دارد، پيش‌بيني دقيق تقاضا يك امر مهمي است. اگر داده‌هاي مربوط به تقاضاي مشتري را در نقاط گسسته‌اي از زمان جمع‌آوري كنيم، يك سري زماني تقاضا به دست مي‌آيد. درنتيجه، مسئله پيش‌بيني تقاضا به عنوان يك مسئله پيش‌بيني سري‌هاي زماني فرموله مي‌شود. در زمينه پيش‌بيني سري‌هاي زماني، روش‌هاي يادگيري عميق دقت مناسبي در پيش‌بيني سري‌هاي زماني پيچيده داشته‌اند. با اين وجود عملكرد خوب اين روش‌ها به ميزان داده‌هاي در دسترس وابسته است. بدين منظور در اين مطالعه استفاده از تكنيك‌هاي داده‌افزايي سري زماني در كنار روش‌هاي يادگيري عميق پيشنهاد مي‌شود. در اين مطالعه سه روش نوين جهت تست كارايي رويكرد پيشنهادي به كار گرفته شده است كه عبارت اند از: 1) حافظه كوتاه مدت طولاني، 2) شبكه كانولوشني 3) مكانيزم خودتوجه چندسر. همچنين در اين مطالعه رويكرد پيش‌بيني چندگامي به كار گرفته مي‌شود كه امكان پيش‌بيني چند نقطه آينده را در يك عمل پيش‌بيني به وجود مي‌آورد. روش پيشنهادي بر روي داده واقعي تقاضاي يك شركت مبلمان اعمال شده است. نتايج آزمايش‌ها نشان مي‌دهد كه رويكرد پيشنهادي باعث بهبود دقت پيش‌بيني روش‌هاي به‌كار گرفته شده در اكثر حالات مختلف پيش‌بيني مي‌شود. همچنين بكارگيري روش پيشنهادي روي مجموعه داده هاي محك استاندارد، حاك ي از عملكرد موفق مدل هاي بدست آمده نسبت به مدل هاي پايه مي باشد.