تلفیق شبکه های عصبی مصنوعی با روش های کلاسیک ریاضی به منظور افزایش دقت پیش بینی سری های ‏زمانی

پایان نامه
چکیده

مدل سازی و پیش بینی سری های زمانی، در حوزه های کاربردی مختلف اهمیت بسزایی دارد. دقت پیش بینی ‏یکی از مهم ترین عوامل موثر در انتخاب روش پیش بینی است. مدل خودرگرسیون میانگین متحرک انباشته ‏‏(‏arima ‏) و شبکه عصبی مصنوعی از پراستفاده ترین مدل های پیش بینی به شمار می آیند. داده های سری ‏زمانی اغلب شامل هر دو الگوی خطی و غیرخطی هستند. مدل ‏arima‏ نمی تواند با رابطه های غیرخطی سروکار ‏داشته باشد، این در حالی است که شبکه عصبی نیز به تنهایی قادر به عملکرد یکسان با هر دو الگوی خطی و ‏غیرخطی نیست. از این رو، هیچ یک از مدل های ‏arima‏ و شبکه عصبی نمی توانند در مدل سازی و پیش بینی ‏داده های سری زمانی مناسب باشند.‏ در مراجع و منابع موضوع مدل های بسیار مهمی به منظور بهبود دقت و کارایی مدل سازی و پیش بینی سری های ‏زمانی پیشنهاد شدند. مدل های ترکیبی که یک سری زمانی را به اجزای خطی و غیرخطی آن تجزیه می کنند، مهم ‏ترین نوع آن ها به حساب می آیند.‏ در این پایان نامه، به منظور به دست آوردن مدلی دقیق تر از شبکه های عصبی مصنوعی برای پیش بینی سری های ‏زمانی، مدل بهبود یافته ای از شبکه های عصبی مصنوعی که از مدل های ‏arima‏ استفاده می کند، پیشنهاد شده ‏است. در مدل پیشنهادی، فواید منحصر به فرد مدل ‏arima‏ در مدل سازی خطی، به منظور پیش پردازش داده ‏های تحت مطالعه برای استفاده در شبکه های عصبی مصنوعی به کار گرفته شده است. این پایان نامه همچنین یک ‏روش ترکیبی پیش بینی را ارائه می دهد که مدل ‏arima‏ فصلی (‏sarima ‏) و شبکه های عصبی را با هم ‏ترکیب می کند. مدل ‏sarima‏ و شبکه های عصبی مصنوعی می توانند داده هایی را که درگیر معضل روند و ‏فصلی بودن هستند، مهار کنند. نتایج تحلیلی به دست آمده از مدل ‏sarima، به عنوان داده های ورودی شبکه ‏عصبی وارد می شوند . سپس این مدل برای پیش بینی داده های سری زمانی فصلی به کار گرفته می شود.‏ ‏

منابع مشابه

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...

متن کامل

مقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران

     با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به  مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی  زمانی1371:1 تا 1385:11 بوده و  از شر...

متن کامل

ارزیابی روش های پیش بینی ترکیبی : با رویکرد شبکه های عصبی - کلاسیک در حوزه اقتصاد

در إین مقاله با استفاده از اطلأعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیر ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی. در هر مورد نتایج به دست...

متن کامل

پیش بینی قیمت جوجه یکروزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدل های سری زمانی

متن کامل

استفاده از سری های زمانی در شبکه های عصبی مصنوعی تکاملی به منظور ارزیابی آسیب پذیری در قاب بتنی خمشی

پس از وقوع یک زلزله ، تصمیم گیری سریع در مورد ایمنی ساختمان،امکان ادامه بهره برداری از یکساختمان و تعیین موقعیت و میزان خرابی مورد نظر،بسیار مهم و حیاتی می باشد. امروزه تکنیک جدیداستفاده از مدل شبکه های عصبی مصنوعی تکاملی که مبتنی بر هوش مصنوعی می باشد کاربردگسترده ای در زمینه های مختلف علمی به ویژه مهندسی سازه و زلزله پیدا کرده است. در این مقاله یک1/5 تحلیل دینامیکی غیرخطی شده g 0/1 تا g قاب خ...

متن کامل

پیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...

متن کامل

منابع 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 @}


نوع سند: پایان نامه

دانشگاه تربیت معلم - تهران - دانشکده مهندسی برق و کامپیوتر

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023