مطالعه ای تجربی جهت مقایسه مدل های شبکه های عصبی مصنوعی و ARIMA در پیش بینی سری های زمانی
Publish place: 1st National Conference on Soft Computing
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 366
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG01_081
تاریخ نمایه سازی: 29 مهر 1396
Abstract:
یکی از مسایل مهم در پیش بینی داده های سری زمانی، انتخاب مدلی با عملکرد بهینه می باشد. این مقاله مطالعه ای بر نحوه عملکرد مدل های شبکه های عصبی مصنوعی (ANN) و مدل خود رگرسیونی میانگین متحرک انباشته (ARIMA) برای پیش بینی داده های سری زمانی با استفاده از شبیه سازی است. در این تحقیق اثر عامل حجم نمونه نیز مورد بررسی قرار گرفته است. یافته ها نشان می دهند که برازش مدل شبکه های عصبی مصنوعی نسبت به مدل های ARIMA با توجه به معیارهای MAPE، RMSE و MASE کارایی بهتری دارند. همچنین با افزایش حجم نمونه عملکرد مدل ARIMA بهبود می یابد؛ به طوری که می توان ادعا کرد معیارهای بررسی عملکرد مدل در نمونه های با حجم بالا در دو مدل مورد بررسی همگرا می شوند.
Keywords:
Authors
ملیحه سپهرآسا
دانشگاه آزاد اسلامی واحد خمینی شهر
مریم شریف دوست
دانشگاه آزاد اسلامی واحد خمینی شهر