روش بهبودیافته کاهش نویز از سری زمانی آشوبناک به کمک شبکه عصبی و تحلیل طیف منفرد

در تحقیق حاضر روشی بهبود یافته برای کاهش نویز از سری زمانی حاصل از یک سیستم آشوبناک ارائه شده است. اساس این روش بر مبنای روش کاهش نویز ارائه شده توسط شریبر و گرسبرگر می باشد که دارای عملکردی مناسب و پیچیدگی کمتر نسبت به سایر روش های کاهش نویز از اطلاعات آشوبناک است. در اینجا از یک مدل کلی که به کمک شبکه عصبی ایجاد شده است به منظور مدل پیش بینی سری زمانی آشوبناک استفاده گردیده است. بر خلاف روش اصلی، استفاده از یک مدل پیش بینی کلی با نتایج بهتر در مقایسه با مدل های محلی و همچنین بهره گرفتن از روش بازسازی تحلیل طیف منفرد سبب ارائه روشی با دقت بالاتر شده است که در عین حال از مزایای منحصر به فرد روش اصلی نیز برخوردار می باشد. این روش بهبود یافته به سری زمانی حاصل از حالت آشوبناک معادلات لورنز که با نویز گاوسی آغشته شده، اعمال گردیده است. پس از اعمال روش کاهش نویز بهبود یافته، نتایج نهایی، کاهش حدود ۳۳ درصدی مقدار خطای مطلق میانگین را در مقایسه با روش اولیه نشان می دهند. همچنین خطای محاسبه بعد همبستگی پس از اعمال روش بهبود یافته به ۲ درصد کاهش یافته است.

روش بهبودیافته کاهش نویز از سری زمانی آشوبناک به کمک شبکه عصبی و تحلیل طیف منفرد Keywords:

Noise Reduction , Chaotic Time Series , Singular Spectrum Analysis , Neural Network , Global Model , کاهش نویز , سری زمانی آشوبناک , تحلیل طیف منفرد , شبکه عصبی , مدل کلی