کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش بینی سری زمانی
نویسندگان
چکیده مقاله:
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. دادهها به‌روش 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.
منابع مشابه
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. داده...
متن کاملکاربرد 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 ...
متن کاملتحلیل 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...
متن کاملپیش 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...
متن کاملکاربردهای 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...
متن کاملکاربرد 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 ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 8 شماره 1
صفحات 1- 26
تاریخ انتشار 2016-03-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023