مقايسه دقت روش هاي هالت وينترز،آريما ،تعديل نمايي و هوشمند در پيش بيني تصادفات

Compare different methods of Holt Winters, ARIMA, adjusted exponential and intelligent in anticipation of accidents

سالانه تعدادي زيادي از افراد در تصادف جان خود را از دست مي دهند. در اين تحقيق با استفاده از آمار فوت شدگان تصادفات جاده اي بين سال ها 1388 تا 1392 به مقايسه دقت روش هاي پيش بيني هالت وينترز ضربي و تجمعي،الگوهاي سري زماني آريما،تعديل نمايي و روش هوشمند شبكه عصبي مصنوعي پرداخته شده است. شاخص انتخاب بهترين روش پيش بيني شاخص درصد ميانگين خطا است. نتايج تحقيق نشان داد كه الگوهاي سري زماني آريما بيشترين دقت پيش بيني را در ميزان فوت شدگان بر اثر تصادفات را دارد. مقادير پيش بيني شده براي سال ها 1393 و 1394 و 1395 نشان مي دهد كه تعداد فوت شدگان بر اثر تصادفات در كشور با شيب ملايم در حال كاهش است كه مي توان با آموزش و مديريت صحيح اين تعداد را با شيب بيشتري كاهش داد

Annual a large number of people lose their lives in the accident. In this paper, use death statistics of road accidents between the years 2009 - 2013 to compare the accuracy of forecasting methods Holt Winters multiplicative and cumulative, time series ARIMA, exponential adjusted and intelligent method of artificial neural network has been studied. Criteria for selecting the best forecasting method and the average percentage error have been selected. The results showed that ARIMA time series model more accurately forecast the death rate caused to accidents. . The forecasted values for the years 2014 and 2015 and 2016 show that the number of death caused accidents in the country with gentle slopes on the decline which can be taught and proper management of this number decreased by more slope.