بهبود کیفیت مدل سازی و پیش بینی سری های زمانی با استفاده از تحلیل مجموعه مقادیر تکین چندمتغیره استوار

چکیده: در تحلیل سری های زمانی نادیده گرفتن نقاط دورافتاده منجر به شناسایی نادرست مدل، برآورد اریب پارامترها و در نتیجه پیش بینی های ضعیف و به عبارتی کاهش کیفیت و دقت مدل سازی می شود. یکی از روش های ناپارامتری معتبر در پیش بینی و بهبود کیفیت مدل سازی سری های زمانی چند متغیره، روش مجموعه مقادیر تکین چند متغیره (MSSA) است که نیازمند هیچ گونه فرض اولیه ای نیست. از آنجایی که وجود نقاط دورافتاده کارایی روش MSSA را کاهش داده و نرم ماتریسی فروبنیوس به کار رفته در آن را متاثر ساخته و به عبارتی غیر استوار می سازد، در این تحقیق، نسخه ی جدیدی از روش MSSA بر اساس نرم  پیشنهاد می شود. در ادامه با استفاده از مطالعات شبیه سازی و نیز استفاده از داده های واقعی، عملکرد روش تحلیل مجموعه مقادیر تکین چندمتغیره بر اساس هر دو نرم مورد مقایسه قرار می گیرد. معیارهای مورد استفاده شامل ریشه ی میانگین توان دوم خطاها و میانگین قدرمطلق خطاها، برتری روش تحلیل مجموعه مقادیر تکین چندمتغیره بر اساس نرم  را در بازسازی و پیش بینی سری زمانی نشان می دهند.

کلیدواژه ها:

تحلیل مجموعه مقادیر تکین چند متغیره ، استوار سازی ، نقاط دور افتاده ، نرم L_۱ ، نسبت میانگین توان دوم خطا ، نسبت میانگین قدرمطلق خطا