کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل arma برای پیش بینی سری زمانی
Abstract(in Persian; no English abstract is available)
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.
Authors and affiliations
- محمد رضا اصغری اسکویی — استادیار رایانه، دانشکدۀ علوم ریاضی و رایانه، دانشگاه علامه طباطبائی، تهران، ایران
- محمد قاسم زاده — دانشجوی کارشناسی ارشد علوم رایانه ـ گرایش سیستمهای هوشمند، دانشکدۀ علوم ریاضی و رایانه، دانشگاه علامه طباطبائی، تهران، ایران