مطالعه ای تجربی جهت مقایسه مدل های شبکه های عصبی مصنوعی و ARIMA در پیش بینی سری های زمانی

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.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، خود رگرسیونی میانگین متحرک انباشته ، شبیه سازی ، پیش بینی داده های سری زمانی