دانلود مقاله انگلیسی رایگان:چارچوب یادگیری تقویتی پیش بینی تقاضای حمل بار برای پشتیبانی از تصمیمات برنامه ریزی عملیاتی - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Reinforcement learning framework for freight demand forecasting to support operational planning decisions Reinforcement learning framework for freight demand forecasting to support operational planning decisions
    Reinforcement learning framework for freight demand forecasting to support operational planning decisions

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Reinforcement learning framework for freight demand forecasting to support operational planning decisions


    ترجمه فارسی عنوان مقاله:

    چارچوب یادگیری تقویتی پیش بینی تقاضای حمل بار برای پشتیبانی از تصمیمات برنامه ریزی عملیاتی


    منبع:

    Sciencedirect - Elsevier - Transportation Research Part E, 137 (2020) 101926. doi:10.1016/j.tre.2020.101926


    نویسنده:

    Lama Al Hajj Hassan, Hani S. Mahmassani⁎, Ying Chen


    چکیده انگلیسی:

    Freight forecasting is essential for managing, planning operating and optimizing the use of resources. Multiple market factors contribute to the highly variable nature of freight flows, which calls for adaptive and responsive forecasting models. This paper presents a demand forecasting methodology that supports freight operation planning over short to long term horizons. The method combines time series models and machine learning algorithms in a Reinforcement Learning framework applied over a rolling horizon. The objective is to develop an efficient method that reduces the prediction error by taking full advantage of the traditional time series models and machine learning models. In a case study applied to container shipment data for a US intermodal company, the approach succeeded in reducing the forecast error margin. It also allowed predictions to closely follow recent trends and fluctuations in the market while minimizing the need for user intervention. The results indicate that the proposed approach is an effective method to predict freight demand. In addition to clustering and Reinforcement Learning, a method for converting monthly forecasts to long-term weekly forecasts was developed and tested. The results suggest that these monthly-to-weekly long-term forecasts outperform the direct long term forecasts generated through typical time series approaches.
    Keywords: Freight demand forecasting | Time series | Reinforcement learning | Rolling horizon


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 20
    حجم فایل: 5485 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi