مقایسه ی تجربی مدل های باکس- جنکینز، شبکه های عصبی مصنوعی و تحلیل مجموعه ی مقادیر تکین در پیش بینی سری های زمانی
Publish place: Journal of Advanced Mathematical Modeling، Vol: 6، Issue: 2
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 89
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAMFN-6-2_006
تاریخ نمایه سازی: 16 آبان 1402
Abstract:
مدل باکس- جنکینز به عنوان یک روش پارامتری برای تحلیل سری های زمانی و برازش مدل های اتورگرسیو و میانگین متحرک فصلی و غیر فصلی بهکار میرود؛ اما این روش برای سری های کوتاه مدت و نامانا مناسب نیست. در چنین شرایطی میتوان از روشهای ناپارامتری مانند شبکههای عصبی مصنوعی و تحلیل مجموعهی مقادیر تکین استفاده کرد. هر دو روش از این امتیاز برخوردارند که نیازمند نرمال بودن توزیع خطاها و زیاد بودن تعداد دادهها نمیباشند. در این مقاله، پس از معرفی روش های فوق دقت آن ها در پیشبینی میزان فروش چهار نوع کالای غذایی، دارویی و بهداشتی یک شرکت پخش مواد غذایی و بهداشتی مقایسه میشود. علاوه برآن در یک مطالعه شبیه سازی شده کارآمدی این روش ها برای پیشبینیهای کوتاه مدت و بلند مدت ارزیابی شده است. نتایج حاصل برتری روش تحلیل مجموعهی مقادیر تکین را در مقایسه با دو روش دیگر برحسب ریشه میانگین مربعات خطای پیش بینی نشان میدهد.
Keywords:
Authors
مسعود یارمحمدی
گروه آمار، دانشگاه پیام نور، صندوق پستی ۴۶۹۷-۱۹۳۹۵، تهران
مهدی کلانتری
گروه آمار، دانشگاه پیام نور، صندوق پستی ۴۶۹۷-۱۹۳۹۵، تهران
رحیم محمودوند
گروه آمار، دانشگاه بوعلی سینا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :