طراحی مدل پیش بینی موفقیت کشورها در جام جهانی فوتبال ۲۰۱۸ روسیه با استفاده از روش هوشمند شبکه پرسپترون چندلایه (MLP)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 214

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MSY-20-54_015

تاریخ نمایه سازی: 3 اسفند 1400

چکیده مقاله:

هدف از پژوهش حاضر، ارائه مدل پیش­بینی موفقیت کشورهای شرکت کننده در جام­جهانی فوتبال ۲۰۱۸ روسیه بود. این پژوهش، در دو مرحله کیفی (تعیین شاخص­ها) و کمی (جمع آوری داده­های مربوط به کشورهای منتخب) انجام شد. مصاحبه­های کیفی نیمه­ساختارمند و عمیق با ۲۴ نفر از نخبگان آگاه از موضوع پژوهش به صورت غیرتصادفی هدفمند صورت گرفت. پس از شناسایی شاخص­ها، اطلاعات شاخص­های انتخاب شده (شاخص­های ۲۶ گانه اقتصادی، سیاسی، اجتماعی و فرهنگی، فناوری و ورزشی (PEST+S) برای ۳۸ کشور که به صورت غیرتصادفی در دسترس انتخاب شدند، در بازه زمانی بازی­های جام جهانی ۱۹۷۸ آرژانتین تا ۲۰۱۴ برزیل جمع­آوری گردید. در مرحله بعد، برای آزمون مدل مفهومی، شاخص­های ۲۶ گانه پیش­بینی شده با مقادیر واقعی در سال­های ۲۰۱۰ و ۲۰۱۴ مقایسه گردید. نتایج نشان داد روش MLP از خطای پایینی در پیش­بینی شاخص­های ۲۶ گانه برخوردار است. در مرحله نهایی، شاخص­های ۲۶ گانه در سال ۲۰۱۸ تخمین زده شد و جایگاه کشورهای منتخب در جام جهانی ۲۰۱۸ روسیه پیش­بینی شد. با استناد به نتایج روش MLP، تیم­های ایران، ژاپن و کره­جنوبی با کسب جایگاه ۱ از قاره آسیا به بازی­های جام­جهانی راه خواهند یافت. همچنین تیم­های بلژیک و پرتغال طبق جایگاه پیش­بینی شده۴  تا مرحله نیمه­نهایی صعود خواهند کرد. 

کلیدواژه ها:

واژگان کلیدی: بازی های جام جهانی فوتبال ، پیش بینی و شبکه های پرسپترون چندلایه

نویسندگان

فهیمه میرزایی

دکتری مدیریت ورزشی، پردیس فارابی، دانشگاه تهران، قم، ایران (نویسنده مسئول) E-mail: F.m.۱۳۵۵۸@gmail.com

مجید جلالی فراهانی

دانشیار، دانشگاه تهران، تهران، ایران

امین قاضی زاهدی

دکترای هوش مصنوعی، دانشگاه شاهرود، شاهرود، ایران

قدرت اله باقری

دانشیار، پردیس فارابی، دانشگاه تهران، قم، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • پیش بینی موفقیت کشورهای شرکت کننده در بازی های المپیک ۲۰۱۶ ریودوژانیرو با استفاده از روش هوشمند شبکه های پرسپترون چندلایه (MLP) [مقاله ژورنالی]
  • زارعیان، حسین. (۱۳۹۳). «پیش بینی موفقیت کشورهای شرکت کننده در ...
  • سید جوادین، سید رضا. (۱۳۸۴). مبانی سازمان و مدیریت. چاپ ...
  • فردوسی پور، عادل. (۱۳۷۸). «مدلسازی آماری پیش بینی نتایج فوتبال». ...
  • فیض مرزوقی، ادریس و سلیمانی، وحید. (۱۳۸۹). «پیش بینی فوتبال ...
  • محمدی، علی. (۱۳۸۹). «ارائه مدل ریاضی برای رتبه بندی کشورهای ...
  • میرزائی، فهیمه؛ جلالی فراهانی، مجید؛ باقری، قدرت الله و شهبازی، ...
  • ناظمی اشنی، امیر و قدیری، روح الله. (۱۳۸۵). آینده نگاری ...
  • Football Match Results Prediction Using Artificial Neural Networks; The Case of Iran Pro League [مقاله ژورنالی]
  • Basham, P. (۲۰۱۳). “The economic path to world cup success”. ...
  • De Bosscher V, Deknop P, Vanbottenburg M. Shibli S. (۲۰۰۶). ...
  • Del Corrala J., Rodriguez J. P.(۲۰۱۰). “Are differences in ranks ...
  • Fetter, S. (۲۰۱۱). “Socioeconomic determinants of win maximization at the ...
  • Grant, A., Johnston, D. (۲۰۱۰). “Finding profitable forecast combinations using ...
  • Heino,O, Sillanpää, (۲۰۱۳). “Forecasting football matches results - A study ...
  • Huang, K.Y., Chang, W.L. (۲۰۱۰). “A neural network method for ...
  • Langseth, H. (۲۰۱۳). “Beating the bookie: A look at statistical ...
  • Leitner, CH, Zeileis, A, Hornik. K. (۲۰۱۰). “Forecasting sports tournaments ...
  • Luiz,J, Fadal, R. (۲۰۱۰). “An Economic Analysis of Sports Performance ...
  • Mehta, A. (۲۰۱۶). “Predicting Results using Logistic Regression & Decision ...
  • Sotiriadou, K., and Shilbury, D. (۲۰۰۹). “Australian elite athlete development: ...
  • Weissbock, J, Viktor, H, Inkpen, D. (۲۰۱۴). “Use of Performance ...
  • نمایش کامل مراجع