سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی سری زمانی با رویکرد ترکیبی ضرایب فیلتر پیش بینی خطی و سیستم فازی عصبی تطبیقی بهبود یافته

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,010

This Paper With 11 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

CCITC01_026

Index date: 18 November 2014

پیش بینی سری زمانی با رویکرد ترکیبی ضرایب فیلتر پیش بینی خطی و سیستم فازی عصبی تطبیقی بهبود یافته abstract

امروزه پیش بینی سری های زمانی کاربردهای وسیعی پیدا کرده است. از آنجایی که سری های زمانی واقعی به طور کلی می توانند شامل هر دو مؤلفه خطی و غیرخطی باشند، رویکردهای ترکیبی می توانند هر دو این مؤلفه ها را مدلسازی کنند و پیش بینی دقیق تری انجام دند. این رویکردها به طور کلی شامل دو فاز می باشند: در فاز اول مؤلفه های خطی سری زمانی با یک پیشگوی خطی مدلسازی می شوند و در فاز دوم باقی مانده های پیشگوی خطی که شامل مؤلفه های غیرخطی هستند با یک پیشگوی غیرخطی مدلسازی می شوند. در این مقاله یک رویکرد هوش مصنوعی ترکیبی از ضرایب فیلتر پیش بینی خطی یا (Linear Prediction filter Coefficients)LPC و سیستم فازی عصبی تطبیقی بهبود یافته پیشنهاد شده است. در سیستم استنتاج فازی به کارگرفته شده در این مقاله جهت تولید قوانین فازی از الگوریتم خوشه بندی فازی احتمالاتی C- میانگین یا به اختصار (C_Means Clustering Probabilistic Fuzzy) PFCM استفاده شده و سیستم فازی عصبی تطبیقی بر اساس اصل استون- وایرشتراس جهت افزایش قدرت تقریب زنندگی بهبود یافته است. برای نشان دادن قابلیت مدل پیشنهادی، پیش بینی برای چهار سری زمانی استاندارد انجام و نتایج به دست آمده با نتایج مدل های رایج مقایسه شده است. مشاهده می شود که مدل پیشنهادی پیش بینی های دقیق تری انجام می دهد.

پیش بینی سری زمانی با رویکرد ترکیبی ضرایب فیلتر پیش بینی خطی و سیستم فازی عصبی تطبیقی بهبود یافته Keywords:

سری زمانی , رویکردهای ترکیبی , ضرایب فیلتر پیش بینی خطی , سیستم فازی عصبی تطبیقی , الگوریتم خوشه بندی فازی احتمالاتی C- میانگین

پیش بینی سری زمانی با رویکرد ترکیبی ضرایب فیلتر پیش بینی خطی و سیستم فازی عصبی تطبیقی بهبود یافته authors

اکرم نعمتی

دانشجوی کارشناسی ارشد، گروه برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی کرمان، کرمان، ایران

مجید محمدی

عضو هیئت علمی گروه کامپیوتر دانشگاه شهید باهنر کرمان، کرمان، ایران

مهدی کماندار

عضو هیئت علمی گروه برق و کامپیوتر دانشگاه تحصیلات تکمیلی صنعتی کرمان، کرمان، ایران

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 :
Zhang, G. P. "Time series forecasting using a hybrid ARIMA ...
دانشگاه آزاد اسلامی واحد مرودشت- مهر ماه 1393 ...
Jang, J.-S. R., Sun, C.-T. Neuro-fuzzy and soft computing: a ...
Box, G. E. , Jenkins, G. M., "Time series analysis, ...
Kartalopoulos, S., "Understanding neural networks and fuzzy logic: basic concepts ...
Tseng, F.-M., Yu, H.-C., Tzeng, G.-H., "Combining neural network modl ...
Khashei, M., Bijari, M., " A new class of hybrid ...
Chen, K.-Y. , Wang, C.-H., "A hybrid SARIMA and support ...
Aladag, C. H., Egrioglu, E., Kadilar, C., "Forecasting nonlinear time ...
programming, " Kno wledge-Based Systems, vol. 24, pp. 66-72, 2011. ...
Jain, A. _ Kumar, A. M., "Hybrid neural network models ...
Zadeh, L. A. "Fuzzy algorithms, " Information and control, vol. ...
Sugeno, M. , Yasukawa, T. "A fuzzy-logic- based approach to ...
Jackson, L. B. "Digitalfilters and signal processing, " vol. 3, ...
Egrioglu, E, Aladag, C. H., Yolcu, U. "Fuzzy time series ...
Pal, N. R., Pal, K., Keller, J. M., Bezdek, J. ...
Jang, J.-S. "ANFIS: adaptive -network-based fuzzy inference system, " Systems, ...
model for time series forecasting, " Decision support systems, vol. ...
fizzy times series by using neural networks to define fizzy ...
Egrioglu, E. _ Aladag, C., Yolcu, U., Uslu, V. R. ...
نمایش کامل مراجع

مقاله فارسی "پیش بینی سری زمانی با رویکرد ترکیبی ضرایب فیلتر پیش بینی خطی و سیستم فازی عصبی تطبیقی بهبود یافته" توسط اکرم نعمتی، دانشجوی کارشناسی ارشد، گروه برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی کرمان، کرمان، ایران؛ مجید محمدی، عضو هیئت علمی گروه کامپیوتر دانشگاه شهید باهنر کرمان، کرمان، ایران؛ مهدی کماندار، عضو هیئت علمی گروه برق و کامپیوتر دانشگاه تحصیلات تکمیلی صنعتی کرمان، کرمان، ایران نوشته شده و در سال 1393 پس از تایید کمیته علمی اولین کنفرانس ملی کامپیوتر، فن آوری اطلاعات و ارتباطات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله سری زمانی، رویکردهای ترکیبی، ضرایب فیلتر پیش بینی خطی، سیستم فازی عصبی تطبیقی، الگوریتم خوشه بندی فازی احتمالاتی C- میانگین هستند. این مقاله در تاریخ 27 آبان 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1010 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که امروزه پیش بینی سری های زمانی کاربردهای وسیعی پیدا کرده است. از آنجایی که سری های زمانی واقعی به طور کلی می توانند شامل هر دو مؤلفه خطی و غیرخطی باشند، رویکردهای ترکیبی می توانند هر دو این مؤلفه ها را مدلسازی کنند و پیش بینی دقیق تری انجام دند. این رویکردها به طور کلی شامل دو فاز می باشند: ... . برای دانلود فایل کامل مقاله پیش بینی سری زمانی با رویکرد ترکیبی ضرایب فیلتر پیش بینی خطی و سیستم فازی عصبی تطبیقی بهبود یافته با 11 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.