پیش بینی سری زمانی آشوبی با استفاده از ترکیب نتایج پیش بینی کننده خطی و شبکه عصبی غیرخطی NARX

چکیده

در این مقاله پیش‌بینی سری زمانی آشوبی و تحلیل باقیمانده با استفاده از شبکه‌های عصبی خطی و غیرخطی همراه با تئوری تعبیه انجام گرفته است. از تئوری تعبیه جهت بازسازی سری‌های زمانی به نقاط فضای حالت مناسب استفاده شده است. نقاط فضای حالت به یک شبکه عصبی خطی داده شده و سپس باقیمانده‌ی حاصل از سری زمانی پیش‌بینی شده، به صورت یک سری زمانی جدید در نظر گرفته شده و در فضای حالت مناسب بازسازی شده‌است. در ادامه نقاط فضای حالت بدست آمده به یک شبکه عصبی بازگشتی NARX خورانده شده تا مورد تحلیل قرار گیرند. در نهایت مقادیر پیش‌بینی شده از سری زمانی اصلی و سری زمانی باقیمانده با هم جمع شده و با مقادیر واقعی سری زمانی مقایسه شده‌اند. برای ارزیابی روش پیشنهاد شده، روش برای معادلات مکی‌گلاس و لورنز که سری‌های زمانی آشوبی تولید می‌کنند و همچنین برای سری زمانی زمان واقعی لکه‌های خورشیدی اجرا شده است. نتایج به دست آمده نشان می دهد که روش پیشنهادی در مقایسه با روش‌های پیش‌بینی موجود می‌تواند به طور موثرتری سری‌های زمانی آشوبی را پیش‌بینی کند.