کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل arma برای پیش بینی سری زمانی

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل arma سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل arma و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر‌اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده‏ها به‌روش پنجرۀ لغزان در پیش‏بینی به‎کار می‎روند. مدل بر ‌اساس معیار اطلاعاتی بیزین و پیش‏بینی بر ‌اساس دو معیار مجذور متوسط مربعات خطا و متوسط قدر مطلق درصد خطا ارزیابی می‏شود. روش ارائه‏شده روی هشت سری ‏زمانی با ویژگی‏های مختلف به‎‏کار رفته و نتایج آن با نتایج روش آماری مقایسه شده است. نتایج نشان می‏دهد در تمام موارد، روش ارائه‏شده همسان یا بهتر از روش کلاسیک عمل می‏کند.

Application of Heuristic Rules and Genetic Algorithm in ARMA Model Estimation for Time Series Prediction

The first step of forecasting time series is to build an appropriate model. Determining orders and estimation of ARMA model parameters is a challenging field in traditional statistical and intelligent methods. In this paper, genetic algorithm is used for parameter estimation and heuristic rules are used to determine orders of ARMA model. Heuristic rules are extracted according to time series properties. The data are selected using sliding time window. Model identification is carried out by using Bayesian information criterion (BIC). The mean squares error and the mean absolute percentage error are used to evaluate the results of prediction. The proposed method was applied to eight time series in different types, and the results were compared with results of statistical methods. The achieved result shows equivalent or superior performance for the proposed method in comparison with the classic method.