|
عنوان
|
مقایسه ی تجربی مدل های باکس- جنکینز، شبکه های عصبی مصنوعی و تحلیل مجموعه ی مقادیر تکین در پیش بینی سری های زمانی
|
|
نوع پژوهش
|
مقاله چاپ‌شده در مجلات علمی
|
|
کلیدواژه‌ها
|
سری زمانی، مدل های باکس- جنکینز، روش تحلیل مجموعه ی مقادیر تکین، شبکه های عصبی مصنوعی.
|
|
چکیده
|
مدل باکس- جنکینز به عنوان یک روش پارامتری برای تحلیل سری های زمانی و برازش مدل های اتو رگرسیو و میانگین متحرک فصلی و غیر فصلی به کار می رود. اما این روش برای سری های کوتاه مدت و نامانا مناسب نیست. به منظور کاهش این مشکلات، دو روش ناپارامتری به نام های شبکه های عصبی مصنوعی و تحلیل مجموعه ی مقادیر تکین معرفی می شوند. هر دو روش از این امتیاز برخوردارند که نیازمند هیچ نوع فرض آماری درباره نرمال بودن خطاها و کم بودن تعداد داده ها نمی-باشند. در این مقاله، پس از معرفی روش های فوق دقت آنها در پیش بینی میزان فروش چهار نوع کالای غذایی، دارویی و بهداشتی یک شرکت پخش مواد غذایی و بهداشتی مقایسه می شود. در ادامه در یک مطالعه شبیه سازی شده کارامدی این روش ها برای پیش بینی های کوتاه مدت و بلند مدت ارزیابی شده است. نتایج حاصل برتری روش تحلیل مجموعه ی مقادیر تکین را در مقایسه با دو روش دیگر بر حسب ریشه میانگین مربعات خطای پیش بینی نشان می دهد.
|
|
پژوهشگران
|
مسعود یارمحمدی (نفر اول)، مهدی کلانتری (نفر دوم)، رحیم محمودوند (نفر سوم)
|