مدل سازی اتورگرسیو داده های نادقیق بر اساس ماشین بردار پشتیبان

در تحلیل سری های زمانی ممکن است با وضعیت هایی روبرو شده باشیم که در آن برخی از ارکان مدل، کمیت های نادقیق باشند. یکی از متداول ترین این وضعیت ها، نادقیق بودن مشاهدات تحت بررسی است که معمولا در اثر خطای اندازه گیری یا اشتباهات انسانی رخ می دهد. در این مقاله، یک مدل جدید سری زمانی اتو رگرسیو فازی مبتنی بر رویکرد ماشین بردار پشتیبان پیشنهاد می شود. برای این منظور، از تابع هسته برای استواری و انعطاف مدل و از قیود لحاظ شده در مدل برای کنترل نقاط استفاده شده است. به منظور بررسی عملکرد و اثر بخشی مدل سری زمانی اتو رگرسیو فازی پیشنهادی، برخی معیارهای نیکویی برازش استفاده می شوند. نتایج به دست آمده بر اساس یک مثال از داده های سری زمانی فازی شبیه سازی شده و دو مثال واقعی، نشان داد که روش پیشنهادی در مقایسه با سایر روش های موجود دارای عملکرد بهتری بوده است.

کلیدواژه ها:

Autoregressive model ، Fuzzy number ، Kernel function ، Lagrange function ، Support vector machine. ، عدد فازی ، ماشین بردار پشتیبان ، تابع هسته ، تابع لاگرانژ