سوال شماره 13542
چندگزینهای
آزمون نظام مهندسی ترافیک
در تحلیل سریهای زمانی ترافیکی، کدام روش برای پیشبینی دقیقتر حجم ترافیک در شرایط نوسانات فصلی مناسبتر است؟
گزینهها:
- 1. تحلیل روند با استفاده از نمودار پراکندگی
- 2. رگرسیون خطی ساده
- 3. مدل ARIMA با تنظیم پارامترهای فصلی ✓ صحیح
- 4. میانگین متحرک نمایی بدون در نظرگیری فصلی
پاسخ صحیح:
- مدل ARIMA با تنظیم پارامترهای فصلی
توضیحات:
مدل ARIMA (مدل خودرگرسیون میانگین متحرک یکپارچه) یک روش قدرتمند در تحلیل سریهای زمانی است. وقتی دادههای ترافیک نوسانات فصلی دارند (مثلاً افزایش ترافیک در ساعات اوج یا روزهای خاص)، میتوان از扩展 مدل ARIMA با مولفههای فصلی استفاده کرد که به آن SARIMA (Seasonal ARIMA) میگویند.
این مدل با تنظیم پارامترهای فصلی،不仅能 الگوهای روند کلی را مدلسازی میکند، بلکه نوسانات تکراری فصلی را نیز در نظر میگیرد. برای مثال، در دادههای ترافیک ساعتی، میتوان الگوی روزانه یا هفتگی را با این پارامترها پوشش داد.
به همین دلیل