الگوريتم وزن دهي گسسته موازي براي مدل‌هاي پيش‌بيني سري‌هاي زماني

اصفهان : دانشگاه صنعتي اصفهان

مهندسي صنايع

كارشناسي ارشد

در سال‌هاي اخير، مدل‌سازي و پيش‌بيني سري‌هاي زماني به يكي از موضوعات كليدي در حوزه تحليل داده و تصميم‌گيري علمي و صنعتي تبديل شده است. يكي از رويكردهاي مؤثر براي افزايش دقت پيش‌بيني، استفاده از مدل‌هاي تركيبي است كه با بهره‌گيري هم‌زمان از چند مدل منفرد، مي‌كوشند مزاياي هر مدل را حفظ كرده و اثر ضعف‌هاي آن‌ها را كاهش دهند. چنين رويكردي اگرچه انعطاف‌پذير است، اما مي‌تواند موجب افزايش پيچيدگي محاسبات و ناپايداري در نتايج پيش‌بيني شود. در پژوهش حاضر، چارچوبي نوآورانه براي پيش‌بيني سري‌هاي زماني ارائه شده است كه بر پايه مكانيزم وزن‌دهي گسسته و رقابتي طراحي گرديده است. در اين روش، وزن‌دهي گسسته بدين معناست كه هر مدل پايه تنها مي‌تواند در يكي از دو حالت فعال (1) يا غيرفعال (0) قرار گيرد. اين سازوكار باعث مي‌شود در هر نمونه پيش‌بيني، تنها يك مدل منتخب بر اساس معيار بهينه‌سازي عدد صحيح فعال شود. رويكرد پيشنهادي با تمركز بر انتخاب هوشمندانه مدل مؤثر در هر لحظه، ضمن كاهش پيچيدگي و جلوگيري از هم‌پوشاني نامطلوب ميان مدل‌ها، دقت و پايداري پيش‌بيني را به‌طور قابل توجهي بهبود مي‌بخشد. اين روش در داده‌هاي سري زماني آزمايش شد. نتايج نشان داد كه مدل پيشنهادي، در ديتاي قيمت بيتكوين به‌طور متوسط ميانگين خطاي مطلق را بيش از 21٪ كاهش داده و ريشه ميانگين مربعات خطا %11را بهبود بخشيده؛ همچنين در ديتاي قيمت مس به‌طور متوسط ميانگين خطاي مطلق را بيش از 35٪ كاهش داده و ريشه ميانگين مربعات خطا %25 را بهبود بخشيده كه بيانگر افزايش قابل‌توجه دقت پيش‌بيني است.اين پژوهش براي نخستين‌بار مفهوم وزن‌دهي گسسته و رقابتي را در ساختار مدل‌هاي تركيبي سري‌هاي زماني با ساختار غيرپيوسته و غير وابسته به زمان به‌كار گرفته و شكاف مهمي در ادبيات موضوع پوشش داده است.

236105

مدلسازي سيستم ها و تحليل داده

مهندسي صنايع و سيستم ها

دانشگاه صنعتي اصفهان