Калибровка модели на основе распределения длины очереди в AnyLogic

Question

Я столкнулся с довольно сложным сценарием. У меня есть следующие фактические данные:

1. Распределение длины очереди
2. Распределение времени ожидания очереди
3. Распределение количества агентов, прибывающих каждый день (но не их образец прибытия в течение дня)

Процесс можно рассматривать как простой «источник> очередь> задержка> приемник»

Есть ли способ найти скорость прибытия и задержку распределение времени в соответствии с имеющимися фактическими данными? Я понимаю, что математически у такой проблемы может быть много решений. Но есть ли вообще способ подойти к этой ситуации в AnyLogi c?

Мне удалось уложиться в среднюю длину очереди и среднее время ожидания, но в качестве распределений длина очереди и время ожидания очереди не близки к фактическому набору данных.

Answer 1

Это проблема калибровки параметров, в которой вашими параметрами являются лямбды вашей скорости прихода Пуассона для каждого часа дня или около того, а также параметры трех angular распределения для вашего времени ожидания (задержки).

Скорость прибытия всегда пуассонова, так что нет необходимости спорить об этом. Когда вы разрабатываете модель, когда вы не знаете, каково ваше распределение или у вас нет данных, вы всегда используете распределение tri angular.

При калибровке параметров вы хотите минимизировать ошибку между вашими данными и вашей моделью. Функция, которую вы хотите минимизировать, зависит от распределения ваших данных.

Чтобы узнать, каково распределение ваших данных, вы можете использовать метод подгонки распределения, такой как график Каллена и Фрея ... но он похоже что у вас уже есть раздача