هوش مصنوعی و الگوریتم ترکیبی مناسب برای افزایش دقت پیش بینی های مدیریتی

این مقاله یک سامانه ی خبره ی ساده و اثربخش را برای پیش بینی داده های نوسانی تصادفی وکوتاه مدت ایجاد نموده است. فرآیند بررسی شامل معرفی سری فوریه، زنجیره ی مارکوف و مقایسه ی مدل پیش بینی (گری) با مدل پیش بینی ترکیبی گری- فوریه- مارکوف که در هم آمیخته شده اندادامه یافته، تا منجربه خلق یک سامانه ی خبره ی پیش بینی با کمک هوش مصنوعی شود. این مدل موجب می شود اثربخشی پیش بینی داده های تصادفی نوسانی در اکثر برنامه های مدیریتی افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می کند تا محیطی رایانه ای برای یک سامانه ی پیش بینی خبره ایجاد شود که داده های کوتاه مدت و اتفاقی ناپایدار را به درستی و بادقت پیش بینی کند. جهت آزمون اثربخشی الگوریتم ارایه شده از داده های مطالعه های (چن تسای لین،2008) و داده های مربوط به پیش بینی تقاضای گردشگری در ایران استفاده شده است.نتایج، نشان می دهد خروجی مدل برای دوکشور از دقت بالایی برخوردار است.