روش بهبودیافته کاهش نویز سری زمانی آشوبناک به کمک مدل جامع و تقریب طیفی غیرپارامتری

در عمل، یکی از گام های مهم در هنگام کار با سیستم های آشوبناک، کاهش نویز از اطلاعاتی است که از این سیستم ها به دست آمده است. در این پژوهش، روشی بهبودیافته به این منظور ارائه شده است که بر مبنای روش ارائه شده توسط شریبر و گرسبرگر می باشد. روش بهبودیافته علاوه بر حفظ ویژگی های روش اولیه نظیر پیچیدگی کم و سادگی پیاده سازی، با به کارگیری شبکه عصبی و استفاده روش های تقریب طیفی غیرپارامتری سبب بهبود عملکرد آن شده است. در روش بهبودیافته از یک مدل جامع که با استفاده از شبکه عصبی تشکیل شده است به منظور پیش بینی سری زمانی آشوبناک استفاده می شود. دقت بالاتر مدل پیش بینی جامع ارائه شده در روش بهبودیافته، همچنین پس پردازش اطلاعات سری زمانی با استفاده از تحلیل طیف منفرد، که از روش های تقریب طیفی غیرپارامتری می باشد، باعث عملکرد بهتر روش بهبودیافته در مقایسه با روش اولیه شده اند. این بهبود عملکرد، با استفاده از مقایسه نتایج حاصل از روش اولیه و روش بهبودیافته در مواجهه با یک سری زمانی آشوبناک حاصل از معادلات لورنز که با نویز گاوسی آغشته شده است، نشان داده شده است. نتایج نهایی نشان می دهند که پس از اعمال روش کاهش نویز بهبودیافته، مقدار خطای مطلق میانگین، در مقایسه با روش اولیه حدود ۳۳ درصد کاهش یافته است. همچنین خطای محاسبه بعد همبستگی پس از اعمال روش بهبود یافته به ۲ درصد کاهش یافته است.

روش بهبودیافته کاهش نویز سری زمانی آشوبناک به کمک مدل جامع و تقریب طیفی غیرپارامتری Keywords:

کاهش نویز , سری زمانی آشوبناک , تقریب طیفی غیرپارامتری , شبکه عصبی , مدل جامع