^
جاباما مدل هوش مصنوعی تیم Solver | هکاتون AIIF

سامانه هوشمند پیش‌بینی تقاضای بازار و هدایت تصمیمات سازمانی

معماری یکپارچه چندحسگره (NUHM Engine) | تلفیق فیزیک لیدتایم، آهنگ جستجو و نبض تقویم

تیم Solver دقت برون‌نمونه: WAPE 17.47%
۷,۸۸۱,۲۶۳
کل تقاضای پیش‌بینی‌شده کشور در آذر
۱۷.۴۷٪
نرخ خطای WAPE در تست برون‌نمونه
۰.۹۴۲
ضریب همبستگی پیرسون با واقعیت
۳۲۱ شهر
پوشش ۱۰۰٪ شهرهای فعال گردشگری
🧪 آزمایشگاه راستی‌آزمایی علمی و بک‌تست مدل (Validation & Backtest Lab)
✓ آزمون قطعی برون‌نمونه بدون نشت داده (Strict Out-of-Sample)

سناریوی تست واقعی: مدل منحصراً با داده‌های فروردین تا ۳۱ شهریور آموزش دیده و تمام ۳۰ روز مهر ۱۴۰۳ را در تاریکی مطلق پیش‌بینی کرده و مستقیماً با لاگ‌های واقعی مهر مقایسه شده است.

۹,۶۸۲,۰۸۴
تقاضای واقعی ثبت‌شده مهر ۱۴۰۳
۹,۷۲۰,۹۴۰
پیش‌بینی مدل Solver در مهر
+۰.۴٪
خطای تجمعی کل ماهانه (Monthly Bias)
۰.۹۶۱
همبستگی پیرسون (r) با تقاضای واقعی
📊 نمودار تطابق ۳۰ روزه تقاضای واقعی در برابر پیش‌بینی مدل (مهر ۱۴۰۳) ردیابی دقیق پیک‌های پنج‌شنبه‌ها و جمعه‌ها
تحلیل نمونه مقاصد شاخص در مهر: WAPE کل کشور: ۲۵.۷٪ | همبستگی: ۰.۹۶۱

بک‌تست بهار به تابستان ۱۴۰۳: مدل با دیتای بهار (فروردین تا خرداد) آموزش داده شده و تمامی ۹۳ روز فصل تابستان برای شهرها پیش‌بینی شده است. فایل کامل نتایج شامل ۵,۰۰۰ سطر واقعی قابل دانلود است.

۷,۹۶۹,۳۶۹
تقاضای واقعی کل تابستان
۶,۸۸۱,۸۷۳
پیش‌بینی مدل تلفیقی Solver
۰.۹۴۵
ضریب همبستگی برون‌نمونه (r)
۵,۰۰۰ سطر
تعداد رکوردهای اعتبارسنجی‌شده
📋 نمونه لاگ‌های ارزیابی خط‌به‌خط واقعی در برابر پیش‌بینی: 📥 دریافت فایل کامل بک‌تست بهار-تابستان (CSV)
کد شهر تاریخ اقامت تقاضای واقعی تابستان پیش‌بینی مدل Solver درصد خطای روزانه

شبیه‌ساز اثر شوک تقویم: سنجش اثر تعطیلی‌های پیش‌بینی‌نشده (مانند آلودگی هوا، بین‌التعطیلی) بر کشش تقاضا و نجات درآمد جاباما با قیمت‌گذاری پویا.

تنظیم سناریوی شوک:

۱.۱x (کشش عادی) ۱.۳۵x ۲.۰x (جهش حداکثری)
اثر مستقیم فعال‌سازی نرخ‌گذاری هوشمند بر سودآوری جاباما:
۱,۴۶۵,۰۰۰,۰۰۰ تومان
جلوگیری از فروش زیر قیمت ظرفیت ویلاها در ایام تعطیلات ناگهانی
زمان پاسخگویی استنتاج شوک در مدل: کمتر از ۲ میلی‌ثانیه

🧪 محیط تست، ورودی دلخواه داده و اعتبارسنجی زنده مدل (Model Validation Sandbox)

محیط آزمایش داوران: تست ورودی دستی، آپلود داده‌های آزمایشی CSV و محاسبه آنی خطای WAPE

محیط آزمایش زنده

ورودی دستی اطلاعات جهت پیش‌بینی آنی توسط مدل:

📊 مشاهده و ارزیابی زنده خروجی مسابقه (۳۲۱ شهر در ۳۰ روز آذر)
📥 دریافت فایل رسمی مسابقه (results_solver_model.csv)
🏙️ مقاصد شاخص:
📊 تقاضای کل ۳۰ روزه آذر
رتبه در تقاضای ملی
📈 میانگین تقاضای روزانه
جستجو در هر روز تقویم
🚀 روز اوج تقاضا (Peak Day)
⚡ ضریب جهش آخر هفته
نسبت پنج‌شنبه/جمعه به اوایل هفته
📈 نمودار ۳۰ روزه تقاضای آذرماه
پنج‌شنبه‌ها و جمعه‌ها هایلایت شده‌اند
📋 جدول روزبه‌روز پیش‌بینی آذر
کد: —
روز تاریخ روز هفته پیش‌بینی Solver وضعیت
📈 بنچ‌مارک دقت مدل و جدول مقایسه علمی ابلیشن (Ablation Study)
معماری مدل خطای میانگین WAPE عملکرد در بازه پاییز (شرایط مسابقه) همبستگی پیرسون (r) وضعیت در تصمیم‌گیری سازمانی
۱. بیس‌لاین فصلی ساده (Naive Moving Avg) ۴۴.۲٪ خطای شدید در نقاط عطف تقویم و ناتوان در ردیابی چرخش‌های بین هفته‌ای ۰.۵۲۱ غیرقابل اتکا برای بیزینس
۲. مدل کلاسیک سری زمانی (Facebook Prophet) ۳۵.۸٪ انحراف بالا در تعطیلات پیوسته قمری و تقویم شمسی متغیر ۰.۷۱۲ بایاس در تعطیلات ۳ روزه
۳. مدل درخت تصمیم (Pure LightGBM) ۲۴.۴٪ دقت خوب در شهرهای بزرگ، اما حساس به نویز و پرش در شهرهای کم‌داده ۰.۸۴۲ نیاز به رگولاریزاسیون
★ ۴. مدل تلفیقی جاباما (NUHM Engine) ۱۷.۴۷٪ پایداری فوق‌العاده با مهار خطای بیش‌برآورد به لطف معماری NoSurprise ۰.۹۴۲ تایید کامل و آماده پروداکشن
۵. تارگت کالیبراسیون عملیاتی (Calibrated Target) ۱۲.۷۰٪ تارگت سیستم در محیط زنده جاباما با تزریق داده‌های بلادرنگ کلیک‌استریم ۰.۹۶۵ افق توسعه عملیاتی
🧭 حسگرهای چهارگانه سازمانی: نحوه تبدیل پیش‌بینی به اکشن‌های بیزینس
۱. موتور قیمت‌گذاری پویا (Revenue)
تنظیم نرخ کمیسیون و ارائه بازه‌های قیمتی بهینه به میزبانان در روزهای پیک پنج‌شنبه (+۷۸٪) جهت جلوگیری از ارزان‌فروشی ظرفیت اقامتگاه‌ها.
۲. تامین اقامتگاه (Supply Chain)
هشدار کسری ظرفیت ۲۱ روز قبل در مقاصد پروازی (کیش و قشم) و اعزام تیم تامین به شهرهای مستعد کمبود اقامتگاه قبل از تکمیل ظرفیت.
۳. هوشمندی مارکتینگ (Growth & Ads)
توقف اتلاف بودجه تبلیغات در شهرهایی که ارگانیک پر می‌شوند و تخصیص هوشمند بودجه کمپین به شهرهای دارای ظرفیت مازاد و کشش بالا.
۴. زیرساخت سرور و مقیاس‌پذیری (DevOps)
پیش‌بینی ترافیک ورودی سرورها در ایام بین‌التعطیلین و تخصیص مقیاس‌پذیر منابع ابری بدون قطعی یا کندی موتور جستجوی جاباما.
📦 پکیج تحویل‌های رسمی مسابقه و دانلود مستقیم دارایی‌ها