ارائه یک مدل تصمیم گیری چند معیاره فازی به منظور بهبود دقت فرایند تصمیم گیری به هنگام اختلال هوانوردی

صنعت هوانوردی دارای پیچیدگی ها و چالش های جدی می باشد. یکی از چالش های اصلی در این صنعت، مدیریت تصمیم گیری های مناسب در زمان اختلال در برنامه های پروازی است. چنین اختلالاتی معمولا رضایت مشتری و سودآوری خطوط هوایی را کاهش می دهد. از آنجایی که دلایل متعددی برای ایجاد اختلال در برنامه پروازها و در نتیجه تصمیمات مختلفی مربوط به هر نوع اختلال وجود دارد، باید بتوان برای یک تصمیم گیری بهینه، ابتدا نوع اختلال را بخوبی پیش بینی کرد. در این پژوهش از یک سیستم استنتاج عصبی فازی تطبیقی ۱ ( ANFIS ) که یک مدل مبتنی بر یادگیری ماشین و قوانین فازی است برای تصمیم گیری در مورد انواع اختلالات پروازی ارائه شده است که با توجه به توانایی آن در یافتن روابط پیچیده بین ورودی و خروجی میتواند در بهینه سازی تصمیم گیری توسط شرکت های هواپیمایی موثر باشد. شبکه ANFIS همزمان از مزیت های یک سیستم فازی و شبکه های عصبی بهره می برد. بر اساس نتایج شبیه سازی، میانگین دقت در پیش بینی انواع اختلالات پروازی توسط روش پیشنهادی برابر ۹۸.۱۸ درصد است که نسبت به مقاله مرجع ۲.۱۸ درصد بهبود داشته است. همچنین نسبت به چندین کار مقایسه شده نیز بهبود داشته است.

کلیدواژه ها:

اختلالات پرواز ، پیشبینی ، قوانین فازی ، شبکه ANFIS