پیش پردازش پارامترهای ورودی به شبکه عصبی با استفاده ازرگرسیون گام به گام به منظور پیش بینی سریعتر زمان انتظارمتقاضیان نصب علمک گاز

دراین تحقیق روش گام به گام پیشرنده به عنوان یک روش پیش پردازش برای کاهش مراحل سعی و خطا درمدلسازی با شبکه های عصبی بکارگرفته میشود اهداف این تحقیق به صورت پاسخ به چندسوال اساسی درارتباط با مدلسازی زمان انتظارمتقاضیان نصب علمک گاز با استفاده از شبکه های عصبی ازجملهکدام یک از داده های ورودی به مدل ازاهمیت بیشتری برخوردار است؟ چه ترکیبی ازپارامترهای ورودی باید به مدل وارد شود؟ تعریف میشود نتایج بکارگیری پیش پردازش فوق نشان میدهد که این روش با مشخص نمودن اهمیت نسبی پیوستن پارامترها به مدل درهرگام و تعیین مدل بهینه ی نهایی درسطح معنی داری 0/05 درپاسخ به پرسشهای مطرح شده میتواند به عنوان روشی موثر به کاررود به این ترتیب خطای پیش بینی متوسط زمان انتظار درخواستهای درنوبت نصب با استفاده ازمدل ترکیبی فوق کمتر ازیک روز و بیشینه خطا کمتر از سه روز می باشد که این میزان خطا با توجه به داده های دردسترس و تاثیر فاکتورهای انسانی نشان دهنده عملکرد بسیار مناسب مدل می باشد.

کلیدواژه ها:

رگرسیون گام به گام پیشرونده ، زمان انتظار ، شبکه عصبیف علمک ، مدلسازی