مقایسه ی تجربی مدل های باکس- جنکینز، شبکه های عصبی مصنوعی و تحلیل مجموعه ی مقادیر تکین در پیش بینی سری های زمانی
عنوان مقاله: مقایسه ی تجربی مدل های باکس- جنکینز، شبکه های عصبی مصنوعی و تحلیل مجموعه ی مقادیر تکین در پیش بینی سری های زمانی
شناسه ملی مقاله: JR_JAMFN-6-2_006
منتشر شده در در سال 1395
شناسه ملی مقاله: JR_JAMFN-6-2_006
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: سری زمانی, مدل های باکس- جنکینز, روش تحلیل مجموعه ی مقادیر تکین, شبکه های عصبی مصنوعی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1813843/