عنوان مقاله :
مقايسه‌ي تجربي مدل‌هاي باكس- جنكينز، شبكه‌هاي عصبي مصنوعي و تحليل مجموعه‌ي مقادير تكين در پيش‌بيني سري‌هاي زماني
پديد آورندگان :
يارمحمدي ، مسعود دانشگاه پيام نور - گروه آمار , كلانتري ، مهدي دانشگاه پيام نور - گروه آمار , محمودوند ، رحيم دانشگاه بوعلي سينا - گروه آمار
كليدواژه :
سري زماني , مدل‌هاي باكس , جنكينز , روش تحليل مجموعه‌ي مقادير تكين , شبكه‌هاي عصبي مصنوعي
چكيده فارسي :
مدل باكس جنكينز به‌عنوان يك روش پارامتري براي تحليل سري‌هاي زماني و برازش مدل‌هاي اتورگرسيو و ميانگين متحرك فصلي و غير فصلي به كار مي رود؛ اما اين روش براي سري‌هاي كوتاه مدت و نامانا مناسب نيست. در چنين شرايطي مي توان از روش هاي ناپارامتري مانند شبكه هاي عصبي مصنوعي و تحليل مجموعه ي مقادير تكين استفاده كرد. هر دو روش از اين امتياز برخوردارند كه نيازمند نرمال بودن توزيع خطاها و زياد بودن تعداد داده ها نمي باشند. در اين مقاله، پس از معرفي روش‌هاي فوق دقت آن‌ها در پيش بيني ميزان فروش چهار نوع كالاي غذايي، دارويي و بهداشتي يك شركت پخش مواد غذايي و بهداشتي مقايسه مي شود. علاوه برآن در يك مطالعه شبيه‌سازي‌شده كارآمدي اين روش‌ها براي پيش بيني هاي كوتاه مدت و بلند مدت ارزيابي شده است. نتايج حاصل برتري روش تحليل مجموعه ي مقادير تكين را در مقايسه با دو روش ديگر برحسب ريشه ميانگين مربعات خطاي پيش‌بيني نشان مي دهد.
عنوان نشريه :
مدل سازي پيشرفته رياضي
