|
عنوان
|
مروری بر روش های پیش بینی سری زمانی
|
|
نوع پژوهش
|
مقاله ارائه شده
|
|
کلیدواژه‌ها
|
پیش بینی سری های زمانی، مدل پیش بینی سراسری، شبکه های عصبی مصنوعی، شبکه های عصبی بازگشتی
|
|
چکیده
|
یک سری زمانی شامل مجموعه ای از مشاهدات جمع آوری شده در فواصل زمانی معین می باشد. داده های در قالب سری های زمانی در حوزه های مختلفی تولید می شوند. برای مثال، در حوزه های مالی، بورس، انرژی، گردشگری، بهداشت و سلامت و غیره از پیش-بینی سری های زمانی استفاده می شود. با داشتن یک سری زمانی می توانیم مقادیر آینده آن سری را بر اساس مقادیر گذشته آن پیش بینی کنیم. رویکرد هایی همچون پیش بینی یک سری زمانی با استفاده از تکنیک های آماری و یا یادگیری ماشین تا به حال در تحقیقات گوناگون مورد استفاده قرار گرفته اند. تاکنون در این زمینه مدل های مبتنی بر شبکه های عصبی مختلفی اعم از شبکه های عصبی پیش خور و یا بازگشتی مورد استفاده قرار گرفته اند. در این مقاله به مرور روش های مختلف آماری و یادگیری ماشین/عمیق در این حوزه می پردازیم.
|
|
پژوهشگران
|
امیرحسین مهدی یان (نفر اول)، حسین عباسی مهر (نفر دوم)، اسماعیل نورانی (نفر سوم)
|