Archive

Year

Volume(Issue)

Issues

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Issue Info: 
  • Year: 

    2019
  • Volume: 

    10
  • Issue: 

    1
  • Pages: 

    1-18
Measures: 
  • Citations: 

    0
  • Views: 

    889
  • Downloads: 

    135
Abstract: 

In this paper, a new approach based on imperialist competitive algorithm (ICA) has been proposed to solve the combined heat and power economic dispatch (CHPED) problem. In order to avoid trapping in local optimum and improve the solution quality of the original ICA, a new assimilation policy has been addressed with varying coefficients during iterations. CHPED problem is a non-convex and non-linear optimization problem which has various constraints. Unlike previous methods, valve point effects are considered in some case studies and the effect of valve-point in cost function considered with adding an absolute sinusoidal term to conventional polynomial cost function. To evaluate the effectiveness of the proposed method, three different test cases with small, medium and large scales have been applied to investigate the performance of the proposed method on the CHPED problems. Each case study is including different test systems. Numerical results demonstrate the superiority of the proposed framework and reveal that MICA can find better solutions in comparing with the other methods.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 889

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 135 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    1-15
Measures: 
  • Citations: 

    0
  • Views: 

    1017
  • Downloads: 

    0
Abstract: 

در این مقاله، یک سیستم CAD بر اساس شبکه های عصبی کانولوشن سلسله مراتبی با ساختاری جدید، جهت ایجاد تمایز بین تومورهای خوش خیم و بدخیم در تصاویر MR سینه پیشنهاد شده است. شبکه عصبی کانولوشن، یک شبکه سلسله مراتبی عصبی است که بر روی تصاویر دو بعدی اعمال می شود و فرآیندهای استخراج ویژگی و طبقه بندی را در یک ساختار واحد و کاملا تطبیقی، ادغام می کند. این ساختار می تواند ویژگی های دو بعدی کلیدی را به صورت خودکار استخراج نموده و نسبت به اعوجاجات هندسی و محلی در تصاویر ورودی مقاوم است. در ادامه، نتایج پیاده سازی فرآیندهای یادگیری و آزمایش HCNN بر اساس روش های بهینه سازی گرادیان نزولی و پس انتشار عدول شونده مورد ارزیابی قرار گرفته و نشان داده شده است که HCNN پیشنهادی با رویکرد یادگیری پس انتشار عدول شونده، یک ساختار عصبی سلسله مراتبی کارآمد و مقاوم را جهت طراحی یک سیستم CAD پایه در تصاویر MR سینه ارائه می کند بطوریکه از آن می توان بطور بالقوه، بعنوان یک مکانیسم برای ارزیابی انواع ناهنجاری ها در تصاویر پزشکی استفاده نمود.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 1017

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    17-30
Measures: 
  • Citations: 

    0
  • Views: 

    374
  • Downloads: 

    0
Abstract: 

در این مقاله، مساله مکان یابی بانک های خازنی فشار متوسط با استفاده از یک رویکرد دو هدفه جدید مورد ارزیابی قرار می گیرد. برای این منظور، قیمت گذاری مبتنی بر قابلیت اطمینان مطلوب مشترکین در محیط یک شرکت توزیع تجدید ساختارشده مدل سازی شده و ریسک حاصل از اجرای آن بر سودآوری شرکت توزیع از محل خازن گذاری شبکه محاسبه شده است. سپس، مکان یابی خازن های فشار متوسط با استفاده از الگوریتم بهینه سازی ژنتیک چندهدفه به منظور دستیابی به طرح متناظر با کمترین هزینه و کمترین ریسک سودآوری، مورد بررسی قرار گرفته است. با اجرای برنامه های توسعه داده شده در شبکه آزمون 34 شینه IEEE، کارایی رویکرد پیشنهادی در قالب چندین سناریو ارزیابی شده است.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 374

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    2019
  • Volume: 

    10
  • Issue: 

    1
  • Pages: 

    19-32
Measures: 
  • Citations: 

    0
  • Views: 

    542
  • Downloads: 

    116
Abstract: 

Installing new energy sources as redundant black-start (BS) units is an efficient way to enhance the speed of power system restoration, especially when there is a high risk that the available power plants considered as BS units fail to operate. In this regard, this paper provides a new optimal design for the placement of the Gas Turbine (GT) as the redundant energy source to improve the power system performance during both restoration and normal conditions. In doing so, there will be contradictory objective functions to be minimized. Therefore, a multi-objective problem (MOP), as a mixed integer linear programming (MILP), is defined. The Pareto optimal solutions of the MOP are obtained by using a new population-based meta-heuristic technique, called Crow Search Algorithm (CSA). Two power systems are used for the validation of the proposed method. The simulation results show that the system can benefit from this method not only to increase the capability of black-start generation, but also to improve the power system performance in normal conditions. During the restoration process, it also provides the optimal start-up sequences of non-black-start (NBS) units with the optimal transmission paths.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 542

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 116 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    31-39
Measures: 
  • Citations: 

    0
  • Views: 

    789
  • Downloads: 

    0
Abstract: 

پیشرفت سریع تکنولوژی و به دنبال آن کاهش بعد ترانزیستورهای ماسفت باعث شده است که این ترانزیستور ها رفتار متفاوتی در مدارات الکترونیکی از خود نشان دهند. در دهه اخیر، مدل های زیادی برای تخمین رفتار ترانزیستور های ماسفت کانال کوتاه ارائه شده است. در این مقاله یک مدل جدید برای پیش بینی رفتار و عملکرد ترانزیستورهای ماسفت کانال کوتاه پیشنهاد شده است. مدل پیشنهادی با ایجاد تغییراتی روی مدل nth-power law MOS، دقت این مدل را افزایش و خطای آن را کاهش داده است. پارامترهای مدل پیشنهادی نسبت به دو مشخصه واقعی BSIM3 در تکنولوژی 130 نانومتر و TSMC_ CM018RF در تکنولوژی180 نانومتر، که امروزه کاربرد بسیاری در مدارات الکترونیکی مخصوصا مدارات فرکانس بالا دارند، محاسبه شده است. به منظور افزایش دقت مدل پیشنهادی، پارامترهای آن، توسط سه الگوریتم وراثتی، بهینه سازی جمعیت ذرات و جستجوی گرانشی محاسبه شده است. نتایج بدست آمده نشان می دهد که برای مدل ارائه شده، الگوریتم جستجوی گرانشی نتایج بهتری به دست داده است.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 789

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    2019
  • Volume: 

    10
  • Issue: 

    1
  • Pages: 

    31-40
Measures: 
  • Citations: 

    0
  • Views: 

    659
  • Downloads: 

    137
Abstract: 

Short term load forecasting is one of the key components for economical and safe operation of power systems. In competitive environment of electricity market, electricity utilities require more accurate load forecasting strategies to make better decisions on purchasing or generating electricity. This article offers a new method based on machine learning short-term load forecasting which is made up of a two-level feature selection technique and a new forecast engine. The feature selection part uses irrelevancy and redundancy filters to select best sets of input features. The proposed forecast engine is composed of a support vector regression machine, hybrid neural network and comprehensive learning particle swarm optimization. By applying comprehensive learning particle swarm optimization along with hybrid neural networks, the accuracy of forecasting is improved and its error decreases effectively. The proposed strategy is tested on PJM and AEMO electricity markets. The numerical results show the effectiveness and robustness of this method in comparison with recent short-term load forecasting methods.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 659

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 137 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    2019
  • Volume: 

    10
  • Issue: 

    1
  • Pages: 

    41-50
Measures: 
  • Citations: 

    0
  • Views: 

    809
  • Downloads: 

    489
Abstract: 

In this paper, a new method based on Adaptive Neuro-Fuzzy Inference System (ANFIS) is proposed for locating the switched capacitor banks in distribution systems. To train the proposed ANFIS model, an index based on current transient is introduced, which is calculated either offline by using data or online by real time simulation. The proposed method uses only current transient waveforms, immediately before and after the switching instant. Since only the current signal is used which is available in several locations, the method is simple and can be applied online. The method uses wavelet to determine the capacitor switching instant, which is needed for the ANFIS model to locate the switching capacitor. The method is simulated using PSCAD. Through various simulations, it is shown that other power quality disturbances such as voltage dip, unbalances and harmonics cannot disturb the method. Moreover, the size and connection type of the capacitor bank do not affect the method accuracy. The proposed algorithm is validated by simulating the IEEE 13-bus distribution system. According to the simulation results, the method is reliable enough to be applied to real systems.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 809

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 489 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    41-50
Measures: 
  • Citations: 

    0
  • Views: 

    337
  • Downloads: 

    0
Abstract: 

در این مقاله، روش جدیدی برمبنای سیستم عصبی فازی (ANFIS) برای مکان یابی بانک خازنی کلیدزنی شده در شبکه توزیع ارائه می شود. این روش بر اساس شاخصی عمل می کند که از طریق آنالیز حالت گذرای جریان بدست می آید و از این شاخص برای آموزش شبکه عصبی فازی استفاده می شود. این شاخص را می توان بصورت Offline یا Online بوسیله ی اطلاعات کیفیت توان سیستم محاسبه نمود. روش بیان شده فقط از شکل موج حالت گذرای جریان استفاده می کند، که باعث سادگی روش می شود. این روش به مقدار جریان، بلافاصه قبل و بعد از لحظه کلیدزنی نیاز دارد، که می توان این روش را بصورت Online به کاربرد. شبیه سازی های مختلفی که انجام شده است نشان می دهد دیگر اختلال های کیفیت توان نمی توانند بر روی صحت عملکرد این روش تاثیر بگذارند. همچین اندازه و نوع اتصال نیز تاثیری بر روی دقت عملکرد روش پیشنهادی ندارد. الگوریتم پیشنهادی بر روی سیستم 13 باس IEEE پیاده سازی و صحت عملکرد آن تایید شده است. با توجه به نتایج شبیه سازی، روش پیشنهادی قابلیت پیاده سازی در سیستم های واقعی را دارد.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 337

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    2019
  • Volume: 

    10
  • Issue: 

    1
  • Pages: 

    51-62
Measures: 
  • Citations: 

    0
  • Views: 

    488
  • Downloads: 

    137
Keywords: 
Abstract: 

Low Voltage Ride Through (LVRT) capability is essential for wind farms to avoid disconnection during low voltage and fault. In this study, both Voltage Behind Reactance (VBR) model and DQ model of Induction Generators (IGs) used in Fixed Speed Wind Turbines (FSWTs) are implemented and compared. Based on the appropriate model, a new method for enhancing Low Voltage Ride Through (LVRT) capability of FSWTs during balanced three-phase faults is proposed. This method is based on using a Synchronous Condenser (SC) with a Fuzzy Logic Controller (FLC). In order to have a good control of the system during the fault, the amount of injected reactive power produced by the SC is controlled through the FLC. Although using STATCOM is the most common method for LVRT capability enhancement in FSWTs, simulation results show that using the SC with the FLC in a three-phase fault leads to a better performance. Therefore, using the VBR model for the first time in FSWTs and suggesting the application of the SC with the FLC to improve LVRT capability are the novelties of this paper.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 488

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 137 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    51-67
Measures: 
  • Citations: 

    0
  • Views: 

    1043
  • Downloads: 

    0
Abstract: 

مدیریت بهینه انرژی در سیستم های دارای چند ریزشبکه چالش های جدیدی را در سیستم های قدرت بوجود آورده است. لذا، ارائه سیستم های مدیریت انرژی با درنظر گرفتن عملکرد بهینه منابع موجود در ریزشبکه ها، کنترل تبادل توان با شبکه و نیز مابین ریزشبکه ها دارای اهمیت است. در این مقاله، برای مدیریت انرژی در سیستم های دارای ریزشبکه های متعدد با مالکیت های مختلف، ساختاری با دو لایه کنترلی بنام های کنترل اولیه و ثانویه پیشنهاد شده است. در سطح کنترل اولیه، سیستم مدیریت انرژی بطور مجزا برای هر ریزشبکه با درنظرگرفتن قیود مساله و عدم قطعیت منابع تجدیدپذیر با استفاده از الگوریتم تاگوچی، توان مربوط به منابع تولید و میزان مازاد و کمبود تولید هر ریزشبکه تعیین می شود. سپس، اطلاعات مربوط به توان های مازاد و کمبود هر ریزشبکه بایستی به سیستم مدیریت انرژی مرکزی در سطح ثانویه ارسال شوند. بمنظور تایید ساختار پیشنهادی، یک سیستم موردی با دو ریزشبکه و یک بار فشرده، با استفاده از الگوریتم رقابت استعماری چند زمانه شبیه سازی شده است. برای ارزیابی عملکرد الگوریتم پیشنهاد شده، چندین سناریو نیز اعمال شده است. نتایج بدست آمده به وضوح نشان می دهد که سیستم پیشنهادی در مدیریت انرژی ریزشبکه های متعدد، موثر بوده و منجر به عملکرد بهینه منابع موجود در هر ریزشبکه شده است. علاوه براین، طرح کنترلی پیشنهادشده به صورت مناسبی عملکرد ریزشبکه ها و شبکه را در تعاملات با یکدیگر کنترل می نماید و دارای سطح بالایی از استحکام، رفتار پایدار تحت شرایط مختلف و کیفیت بالای منبع تغذیه است.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 1043

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    2019
  • Volume: 

    10
  • Issue: 

    1
  • Pages: 

    63-72
Measures: 
  • Citations: 

    0
  • Views: 

    532
  • Downloads: 

    173
Abstract: 

In a competitive electricity market, an accurate short term price forecasting is essential for all the participants in market as a risk management technique. For both spot markets and long-term contracts, price forecast is necessary to develop bidding strategies or negotiation skills in order to maximize benefit. This paper proposes an efficient tool for short-term electricity price forecasting with a simple model and acceptable computation time by combining several intelligent methods. Using inference, Adaptive Network-based Fuzzy Inference System (ANFIS) is used to determine the nonlinear relation between large quantities of input variables and forecasted price (output variable). To decrease the complexity and improve the accuracy, mutual information (MI) technique is used to efficiently select the best set of input variables which have important information concerning forecasted price. Moreover, Particle Swarm Optimization (PSO) algorithm with new strategy in choosing the particles is adopted to tune ANFIS parameters more precisely. To evaluate the accuracy and performance, the proposed hybrid Mutual Information-ANFIS-PSO (MIAP) methodology is implemented on the real world case study of Spanish electricity market. The results show the great potential of this proposed method in fast and accurate short-term price forecasting in comparison with some of the previous price forecasting techniques.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 532

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 173 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    69-80
Measures: 
  • Citations: 

    0
  • Views: 

    833
  • Downloads: 

    0
Abstract: 

جایگاه حسگرها در صنایع و علوم مختلف به عنوان یک عنصر اساسی و حیاتی، غیرقابل انکار می باشد. بنابراین موضوع خطایابی و رفع خطا در حسگرها اهمیت ویژه ای دارد. دراین تحقیق، یک شبکه از حسگرها شامل چند حسگر دما در نظر گرفته می شود به گونه ای که متوسط دمای حسگرها به عنوان دمای اندازه گیری شده در نظر گرفته می شود. برای مقاوم سازی سیستم در مقابل خطا ابتدا با استفاده از فیلتر کالمن خطای واقع شده تشخیص داده شده است و سپس با استفاده از الگوریتم ژنتیک آرایش سیستم اندازه گیری دما به صورتی مناسب تغییر داده می شود به گونه ای که خطای واقع شده تاثیری در دمای قرائت شده نداشته باشد. در این مقاله خطای بایاس، مقیاس، خطای سخت و نویز زیاد مورد مطالعه قرار گرفته اند. برای ارزیابی کارایی ساختار پیشنهادی شبیه سازی هایی در نرم افزار مطلب صورت گرفته است و نشان داده اند که برای طیف وسیعی از شدت خطا سیستم به صورت موثر مقاوم است.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 833

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    79-90
Measures: 
  • Citations: 

    0
  • Views: 

    641
  • Downloads: 

    0
Abstract: 

امروزه با توجه به مزایای متعدد سفرهای هوایی از جمله راحتی، آسایش، سرعت و امنیت بالا، ترافیک هوایی رشد چشمگیری داشته است و انتظار می رود این نرخ رشد در سال های آینده فزآینده تر شود. تراکم ترافیک هوایی و محدودیت های مختلف در توسعه برخی فرودگاه ها سبب شد که مساله کنترل فرود هواپیماها به عنوان یکی از مهم ترین مسائل مطرح در حوزه حمل و نقل هوایی، توجه بسیاری از پژوهشگران را به خود معطوف سازد. در این مقاله، در قالب یک رویکرد هوشمند نوین با اعمال دانشی غنی و موثر به فرآیند بهینه سازی (برای افزایش سرعت همگرایی و قابلیت حذف پاسخ های غیربهینه بدیهی)، از الگوریتم Particle Swarm Optimization with Constriction Coefficient (CPSO) برای مساله کنترل هوشمند فرود هواپیماها استفاده شده است. نتایج شبیه سازی ها نشان می دهند که در مقایسه با روش های قدرتمند ارایه شده قبلی، از جمله روش های مبتنی بر الگوریتم های ژنتیک، بیونومیک، جستجوی Scatter و GLS، کمینه سازی مجموع تاخیرهای پروازی (هدف اساسی بهینه سازی) به بهترین نحو ممکن تحقق یافته است. به دست آمدن مجموع تاخیرهای پروازی صفر برای دو مساله با داده های واقعی فرودگاه دالاس فورت ورث تگزاس، بیانگر قابلیت بیشتر رویکرد هوشمند پیشنهادی در مقایسه با سایر روش ها در یافتن پاسخ بهینه برای مساله است.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 641

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
Issue Info: 
  • Year: 

    1394
  • Volume: 

    6
  • Issue: 

    1
  • Pages: 

    93-112
Measures: 
  • Citations: 

    0
  • Views: 

    624
  • Downloads: 

    0
Abstract: 

افزایش در تعداد سازمان هایی که برای دستیابی به مزایای کسب و کار درصدد ایجاد پایگاه داده تحلیلی (DW) هستند، ایجاد رویکردی برای تصمیم گیری در ایجاد پایگاه داده تحلیلی شده است. مدلهای رابطه ای، چندبعدی و برگه ای طیف گسترده ای از تحلیل ها را پشتیبانی می کنند. متفاوت بودن مشخصات هر یک از مدلها، فرآیند تصمیم گیری برای انتخاب مدل پایگاه داده تحلیلی را دشوار کرده است. یکی از دلایل عدم موفقیت سازمان ها در ایجاد پایگاه داده تحلیلی و یا صرف هزینه زیاد و اتلاف زمان در ایجاد آن، عدم تشخیص آنها در نیاز به مدل مورد نیازشان است. این مقاله از روش تصمیم گیری چند معیاره فازی برای انتخاب مدل پایگاه داده تحلیلی از نقطه نظرهای پیاده سازی، مدل داده، منطق کسب وکار، دستیابی و ذخیره سازی داده و اطمینان مدل استفاده کرده است. بر اساس مطالعات انجام شده و با بررسی و تعیین مهمترین معیارها و مقایسه با روش تحلیل سلسله مراتبی فازی (Fuzzy AHP)، این روش منجر به تصمیم گیری مناسب بر حسب نیاز سازمان و در نتیجه کاهش هزینه و عدم اتلاف وقت در ایجاد پایگاه داده تحلیلی منتهی می شود.

Yearly Impact: مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

View 624

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesDownload 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesCitation 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic ResourcesRefrence 0
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button