این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Coastal and Offshore Engineering، جلد ۴، شماره ۳، صفحات ۴۷-۵۲
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Forecasting Short-term Container Vessel Traffic Volume Using Hybrid ARIMA-NN Model
چکیده انگلیسی مقاله A combination of linear and non-linear models results in a more accurate prediction in comparison with using linear or non-linear models individually to forecast time series data. This paper utilizes the linear autoregressive integrated moving average (ARIMA) model and non-linear artificial neural network (ANN) model to develop a new hybrid ARIMA-ANN model for prediction of container vessel traffic volume. The suggested hybrid method consists of an optimized feed-forward, back-propagation model with a hybrid training algorithm. The database of monthly traffic of Rajaee Port for thirteen years from 2005-2018 is taken into account. The performance of the developed model in forecasting short-term traffic volume is evaluated using various performance criteria such as correlation coefficient (R), mean absolute deviation (MAD), mean squared error (MSE) and mean absolute percentage error (MAPE). The developed model provides useful insights into container traffic behavior. Comparing the results with the real data-sets demonstrates the superior performance of the hybrid models than using models individually in forecasting traffic data.
کلیدواژه‌های انگلیسی مقاله Forecasting Container Traffic,Neural Network,Arima Model,Hybrid ARIMA-NN Model
نویسندگان مقاله Negar Sadeghi Gargari |
Tarbiat Modares University

Hassan Akbari |
Tarbiat Modares University

Roozbeh Panahi |
Tarbiat Modares University

نشانی اینترنتی https://www.ijcoe.org/article_149329_52791bcc393b19b1c767ec8f8bc5581c.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات