Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Markov chains" wg kryterium: Temat


Wyświetlanie 1-1 z 1
Tytuł:
Application of the logistic regression for determining transition probability matrix of operating states in the transport systems
Zastosowanie regresji logistycznej do wyznaczania macierzy prawdopodobieństw przejść stanów eksploatacyjnych w systemach transportowych
Autorzy:
Kozłowski, Edward
Borucka, Anna
Świderski, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/301531.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
logistic regression
transition probability matrix
Markov chains
transport system
regresja logistyczna
macierz prawdopodobieństw przejść
łańcuchy Markowa
system transportowy
Opis:
Transport companies can be regarded as a technical, organizational, economic and legal transport system. Maintaining the quality and continuity of the implementation of transport requisitions requires a high level of readiness of vehicles and staff (especially drivers). Managing and controlling the tasks being implemented is supported by mathematical models enabling to assess and determine the strategy regarding the actions undertaken. The support for managing processes relies mainly on the analysis of sequences of the subsequent activities (states). In many cases, this sequence of activities is modelled using stochastic processes that satisfy Markov property. Their classic application is only possible if the conditional probability distributions of future states are determined solely by the current operational state. The identification of such a stochastic process relies mainly on determining the probability matrix of interstate transitions. Unfortunately, in many cases the analyzed series of activities do not satisfy Markov property. In addition, the occurrence of the next state is affected by the length of time the system remains in the specified operating state. The article presents the method of constructing the matrix of probabilities of transitions between operational states. The values of this matrix depend on the time the object remains in the given state. The aim of the article was to present an alternative method of estimating the parameters of this matrix in a situation where the studied series does not satisfy Markov property. The logistic regression was used for this purpose.
Przedsiębiorstwa transportowe mogą być traktowane jako wyodrębniony pod względem technicznym, organizacyjnym, ekonomicznym i prawnym system transportowy. Zachowanie jakości i ciągłości realizacji zleceń przewozowych wymaga wysokiego poziomu gotowości pojazdów oraz personelu (szczególnie kierowców). Kontrolowanie i sterowanie realizowanymi zadaniami wspierane jest modelami matematycznymi, umożliwiającymi ocenę i określenie strategii dotyczącej podejmowanych działań. Wsparcie procesów zarządzania polega głównie na analizie sekwencji kolejnych, realizowanych czynności (stanów). W wielu przypadkach taki ciąg czynności jest modelowany za pomocą procesów stochastycznych, spełniających własność Markowa. Ich klasyczne zastosowanie możliwe jest tylko w przypadku, gdy warunkowe rozkłady prawdopodobieństwa przyszłych stanów są określone wyłącznie przez bieżący stan eksploatacyjny. Identyfikacja takiego procesu stochastycznego polega głównie na wyznaczeniu macierzy prawdopodobieństw przejść międzystanowych. Niestety w wielu przypadkach analizowane ciągi czynności nie spełniają własności Markowa. Dodatkowo, na wystąpienie kolejnego stanu wpływa długość interwału czasowego pozostania systemu w określonym stanie eksploatacyjnym. W artykule przedstawiono metodę konstrukcji macierzy prawdopodobieństw przejść pomiędzy stanami eksploatacyjnymi. Wartości tej macierzy zależą od czasu przebywania obiektu w danym stanie. Celem artykułu było zaprezentowanie alternatywnej metody estymacji parametrów tej macierzy w sytuacji, gdy badany szereg nie spełnia własności Markowa. Wykorzystano w tym celu regresję logistyczną.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 2; 192-200
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies