دانلود ترجمه مقاله پیش بینی فناوری با تحلیل اثر بر روند مبتنی بر مداخلات سری زمانی

1. مقدمه 2. مدل مداخلات 3. مدل اصلاحی مداخلات برای رویکرد جدید TIA 4. رویکرد TIA پیشنهادی جدید 5. نمای عددی 6. نتیجه گیری

چکیده – در روش متعارف تحلیل اثر بر روند (TIA) یک مدل پایه مبتنی بر پیش بینی با استفاده از داده های تاریخی ایجاد شد. همچنین، مجموعه ای از وقایع آینده و اثرات آن ها با استفاده از دانش قبلی شناسایی شد. علاوه بر این، این اثرات و وقایع به منظور ایجاد سناریوهای آینده احتمالی از طریق شبیه سازی با هم ترکیب می شود. یکی از اشکالات اصلی این روش این است که نمی تواند با فناوری های بی سابقه ی آینده و یا وقایع نادر مقابله کند. علاوه بر این، نمی تواند درباره ی آینده مورد انتظار، این که آیا برخی اتفاقات خاص در دوره خاصی در آینده رخ می دهد یا خیر، پاسخ دهد. آنالیز مداخله به لحاظ سنتی به منظور ارزیابی تاثیر هر نوع وقایع بی سابقه ای که در زمان های مشخص در هر سری زمانی رخ می دهد، مورد استفاده قرار می گیرد. این نوع آنالیز شامل بررسی پارامتر تاثیر ساده و پارامتر شیب برای یک رویداد خاص است. بنابراین، یک روش TIA جدید توسط ترکیب TIA مرسوم با مدل مداخله به جای شبیه سازی توسعه می یابد، مدل مداخله سنتی به دلیل نیاز TIA به ادغام سه پارامتر تاثیر برای هر تعداد رخداد اصلاح می شود. برای یک رویداد آینده بی سابقه، تاثیر رویداد مشخص است، در حالی که زمانی که آن رویداد رخ می دهد، قابل پیش بینی نیست. فرمول برآورد پارامتر شیب نیز ارائه شده است. رویکرد TIA پیشنهادی قادر به بررسی تاثیر هر گونه وقایع غیرمعمول بر ساختار مدل مناسب است، در حالی که پیش بینی هایی از رخدادهای آینده نیز ارائه می کند. الزامات داده در این روش TIA جدید پیشنهادی با روش TIA مرسوم مقایسه شد. این کار می تواند در رابطه با آینده ی مورد انتظار و این که آیا برخی رویدادهای خاص در یک زمان مشخص رخ می دهد، پاسخ دهد. روش TIA پیشنهادی به لحاظ تجربی برای سناریوی عملکرد گندم در همه ی مناطق هند به کار گرفته شده است. به همین دلیل، سه رویداد با سه درجه شدت در نظر گرفته شد. همه سناریوهای احتمالی از آینده ی مورد نظر می تواند انتخاب شود.

In conventional Trend Impact Analysis (TIA), a baseline model based forecast is generated using historical data. Also, a set of future events and their impacts are identified utilizing prior knowledge. Further, these impacts and events are combined with baseline to generate possible future scenarios through simulation. One of the main drawback of this approach is that it cannot deal with unprecedented future technologies or rare events. Further, it cannot answer about expected future, if some specific event occurs at a particular period in future. Intervention analysis has been traditionally used to assess the impact of any unprecedented event occurring at known times on any time series. It consists of a single impact parameter and a slope parameter for a particular event. Hence, a new TIA method has been developed by combining conventional TIA with the intervention model instead of simulation, The traditional interventional model were modified as per the requirement of TIA to incorporate three impact parameters for any number of events. For the unprecedented future event, impact of the event is known while time at which event will occur is not known in advance. A formula for estimating slope parameter has been derived. The proposed TIA approach is capable to handle the influence of any unusual occurrences on the structure of the fitted model while providing forecasts of future values. The data requirements in this proposed new TIA is less as compared to conventional TIA approach. It can also answer about expected future if some particular event occur in particular time. The proposed TIA approach has been empirically illustrated for wheat yield scenario at All-India level. For this, three events each with three degrees of severity have been considered. All possible scenarios were generated from which preferable futures can be chosen.