|
Title
|
يك چارچوب يادگيري ماشين براي پيشبيني نرخ اشغال ماهانه هتل با استفاده از مدل XGBoo
|
|
Type
|
Presentation
|
|
Keywords
|
نرخ اشغال، صنعت هتلدار ي، سري زماني، يادگيري ماشين، استخراج ويژگي، ويژگيهاي تاخيري، ميانگين متحرك، پ يش بيني بازگشتي ،
مديريت درآمد
|
|
Abstract
|
پيش بيني نرخ اشغال هتل به دليل وجود نوسانهاي فصلي، تغييرات غيرخطي و محدوديت داده هاي واقع ي، يكي از چالش هاي مهم در
مديريت داده محور هتلداري است. روشهاي كالسيك سري زماني مانند SARIMA/ARIMA اگرچه در مدل سازي روند و فصلپذيري
عملكرد قابل قبولي دارند، اما در مواجهه با الگوها ي پ يچيده و تغييرات ناگهاني دچار محدوديت مي شوند. از سوي ديگر، بس ياري از
رويكردهاي يادگيري ماشين به داده هاي حجيم يا مجموعها ي گسترده از ويژگي ها وابسته اند كه پيادهسازي آنها را در مح يط هاي
عملياتي دشوار مي سازد. در اين پژوهش، يك چارچوب ساده و قابل پياده سازي مبتني بر XGBoost براي پ يش بيني نرخ اشغال ماهانه
ارائه شد كه با استفاده از ويژگي هاي تأخيري، ميانگين هاي متحرك و ويژگي ماه، سري زماني را به قالب يادگيري نظارت شده تبديل
مي كند. نتايج ارزيابي نشان داد روش پ يشنهادي توانايي مناسب ي در بازنمايي روند و نوسانات نرخ اشغال دارد.
|
|
Researchers
|
Maryam Soltani (First researcher) , َAghil Haidarasl (Second researcher) , Seyede zohreh Mousavi (Third researcher) , Hossein Haghbin (Fourth researcher)
|