512

512

مقايسه مدل اتورگرسيو ميانگين متحرك انباشته و شبكه هاي عصبي مصنوعي در پيشي بيني سري هاي زماني فازي (مطالعه موردي: پيش بيني قيمت طلا)

كارشناسي ارشد

مديريت سيستم و بهره وري

بهمن ماه 1394

بهمن ماه 1394

دكتر كاظم نقندريان

صنايع

چكيده مدل مناسب براي پيش بيني داده هاي سري زماني مي تواند در تصميم گيري هاي حساس امتياز محسوب شود. ما در اين تحقيق تلاش كرديم تا با مقايسه ي يكي از كاراترين مدل هاي كلاسيك اقتصاد سنجي يعني مدل اتورگرسيو ميانگين متحرك انباشته ويكي از كاراترين مدل هاي هوش مصنوعي يعني مدل سيستم استنتاج عصبي- فازي تطبيقي نحوه ي مدل سازي در اين دو روش را بررسي كنيم و همچنين عملكرد اين دو روش را براي پيش بيني قيمت جهاني طلا مورد تحليل قرار بدهيم. براي اين منظور 200 داده قيمت جهاني طلا را از فوريه سال 2015 تا اكتبر 2015 جمع آوري كرديم و با استفاده از هر دو روش پارامتر مدل ها را براورد كرديم و به پيش بيني داده هاي آزمون پرداختيم.با توجه به معيارهاي معتبر ارزيابي پيش بيني از جمله جذر ميانگين مربعات خطا مشخص شد كه در داده هاي سري زماني، مدل عصبي-فازي تطبيقي خيلي دقيق تر از مدل اتورگرسيو ميانگين متحرك انباشته پيش بيني مي كند.بدين ترتيب ميتوانيم نتيجه بگيريم كه حداقل در مواردي كه سري زماني روند غيرخطي دارد بهتر است از مدل عصبي –فازي براي پيش بيني استفاده كنيم تا در تصميم گيري هاي خود با دقت بالا به هدف مورد نظر در آينده برسيم. واژه‌هاي كليدي: اتورگرسيو ميانگين متحرك انباشته، سيستم استنتاج عصبي، فازي تطبيقي، قيمت جهاني طلا