روش جدید یادگیری ماشین برای بیگ دیتای برخط مالی

داده کاوی، به مفهوم استخراج اطلاعات نهان یا دست یابی به الگوها و روابط مشخص در حجم زیادی از داده ها در یک یا چند بانک اطلاعاتی بزرگ گفته می شود. شبکه های عصبی، سیستم ها و روش های محاسباتی نوینی هستند که برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت پیش بینی پاسخ های خروجی از سامانه های پیچیده استفاده می شوند. ایده اصلی این گونه شبکه ها تا حدودی الهام گرفته از سیستم عصبی زیستی برای پردازش داده ها به منظور یادگیری و ایجاد دانش می باشد. داده های مورد استفاده در این تحقیق، داده های مرکزهواشناسی (مربوط به میزان بارندگی) است که از دو طریق سازمان هواشناسی و دانلود از سایت های مربوطه جمع آوری و در دسترس قرار گرفته اند . داده ها شامل ستون برچسب یا همان متغیر هدف (میزان بارندگی) و متغیر های مستقل تاریخ، طول و عرضجغرافیایی و دوازده ستون که شامل داده هایی که از مدل های دینامیکی استخراج میشوند می باشد. سپس داده ها جهت استفاده و برازش مدل طی چند مرحله آماده سازی شده و در ادامه پنج مدل شبکه عصبی که مناسب با داده های سری زمانی می باشند به داده ها برازش داده می شوند. در قسمت ارزیابی، مدلی که اکثر معیارهای ارزیابیآن نسبت به سایر مدل ها بهینه باشد جهت پیش بینی میزان بارندگی مورد استفاده قرار می گیرد.