کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل arma برای پیش بینی سری زمانی

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل arma سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل arma و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده‏ها به روش پنجرۀ لغزان در پیش‏بینی به‎کار می‎روند. مدل بر اساس معیار اطلاعاتی بیزین و پیش‏بینی بر اساس دو معیار مجذور متوسط مربعات خطا و متوسط قدر مطلق درصد خطا ارزیابی می‏شود. روش ارائه‏شده روی هشت سری ‏زمانی با ویژگی‏های مختلف به‎‏کار رفته و نتایج آن با نتایج روش آماری مقایسه شده است. نتایج نشان می‏دهد در تمام موارد، روش ارائه‏شده همسان یا بهتر از روش کلاسیک عمل می‏کند.