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

Authors

محمد رضا اصغری اسکویی

محمد قاسم زاده

abstract

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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 بر‌اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده...

full text

کاربرد مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی

سفره ‏های آب زیرزمینی غالباً به عنوان سیستم ‏هایی با ویژگی ‏های غیرایستا و غیرخطی شناخته می ‏شوند. مدل‏ سازی این سیستم ‏ها و پیش ‏بینی حالت ‏های آینده آن ‏ها نیازمند تشخیص این ویژگی‏ های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی‏ های اشاره‏ شده، به طور گسترده ‏ای در زمینه پیش ‏بینی سری‏ های زمانی هیدرولوژیکی مورد استفاده قرار گرفته ‏است. در این مقاله توانایی مدل ترکیبی ...

full text

تحلیل تقاضای مسافر ریلی و پیش بینی آن با الگوریتم سری زمانی

با توجه به اهمیت مدیریت عرضه امکاناتحمل و نقل در وضع موجود و تخصیص این منابع در بخش حمل و نقل ریلی، پیش­بینی تعداد مسافرین از اولویت بالایی برخوردار است. در این تحقیق با استفاده از مدل‌های سری زمانی، تقاضای مسافرت در شبکه راه­آهن جمهوری اسلامی ایران پیش­بینی شده است. سری­های زمانی ایستا و ناایستای تقاضای مسافر ریلی با آزمایش وجود ریشه واحد و ریشه واحد فصلی قبل از مراحل تخمین، انتخاب مدل و پیش­ب...

full text

پیش بینی شاخص بازار بورس تهران با استفاده از مدل سری زمانی فازی مرتبه بالا و الگوریتم شبیه سازی تبرید

During the recent years extensive researchs have been done on fuzzy time series. Since length of intervals affect the forecasting results in these models, doing research in this area became an interesting topic for time series researchers, there are some studies on this issue but their results are not good enough. In this study, we propose a novel simulated annealing heuristic algorithm is use...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

کاربرد روش تحلیل سری زمانی در پیش بینی تکامل شورابه در دریاچه ارومیه

بررسی هیدروشیمی آب دریاچه ارومیه از سال 2007 تا 2015 با آنالیز180 نمونه آب انجام گرفت. این تحقیق قصد دارد با توجه به تغییرات میزان آنیون ها و کاتیون های اصلی در شورابه دریاچه ارومیه طی این دوره 9 ساله، با استفاده از روش آماری ARIMA به پیش بینی مقدار یون های موجود در دریاچه ارومیه برای شش سال آینده بپردازد. مهم ترین هدف از تجزیه و تحلیل سری های زمانی یافتن روند تغییرات و پیش بینی آینده بر مبنای ...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه علمی-پژوهشی مدیریت فناوری اطلاعات

Publisher: دانشکده مدیریت دانشگاه تهران

ISSN 2008-5893

volume 8

issue 1 2016

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023