روش بهبوديافته كاهش نويز از سري زماني آشوبناك به كمك شبكه عصبي و تحليل طيف منفرد

در تحقيق حاضر روشي بهبود يافته براي كاهش نويز از سري زماني حاصل از يك سيستم آشوبناك ارائه شده است. اساس اين روش بر مبناي روش كاهش نويز ارائه شده توسط شِريبر و گِرَسبِرگر مي‌باشد كه داراي عملكردي مناسب و پيچيدگي كمتر نسبت به ساير روش‌هاي كاهش نويز از اطلاعات آشوبناك است. در اينجا از يك مدل كلي كه به كمك شبكه عصبي ايجاد شده است به منظور مدل پيش‌بيني سري زماني آشوبناك استفاده گرديده است. بر خلاف روش اصلي، استفاده از يك مدل پيش‌بيني كلي با نتايج بهتر در مقايسه با مدل‌هاي محلي و همچنين بهره گرفتن از روش بازسازي تحليل طيف منفرد سبب ارائه روشي با دقت بالاتر شده است كه در عين حال از مزاياي منحصر به فرد روش اصلي نيز برخوردار مي‌باشد. اين روش بهبود يافته به سري زماني حاصل از حالت آشوبناك معادلات لورِنز كه با نويز گاوسي آغشته شده، اعمال گرديده است. پس از اعمال روش كاهش نويز بهبود يافته، نتايج نهايي، كاهش حدود ۳۳ درصدي مقدار خطاي مطلق ميانگين را در مقايسه با روش اوليه نشان مي‌دهند. همچنين خطاي محاسبه بُعد همبستگي پس از اعمال روش بهبود يافته به ۲ درصد كاهش يافته است.