پیش بینی سری زمانی با مدل ANFIS در متلب
در این بخش پروژه پیش بینی سری زمانی با مدل ANFIS برای پیش بینی حجم یخ جهانی را در نرم افزار MATLAB آماده کردیم که در ادامه به معرفی پروژه، سری زمانی، تحلیل سری زمانی و سیستم انفیس (ANFIS) پرداخته و فیلم و تصاویر خروجی پروژه در محیط متلب قرار داده شده است.
معرفی پروژه
رویکرد پیاده سازی شده، برای ساخت یک مدل و پیش بینی حجم یخ جهانی، بر اساس داده های مشاهده شده در 440.000 سال گذشته استفاده می شود. پیاده سازی این پروژه بر اساس سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) در نرم افزار MATLAB انجام شده است.
سری زمانی (Time Series) چیست ؟
سری زمانی یا Time Series شامل دنباله ای از داده ها است که در یک محدود زمانی مشخصی جمع آوری شده اند و یک سری زمانی را تشکیل می دهند. داده های سری زمانی، دربردارنده اطلاعات از تغییراتی که یک پدیده در طول زمان دچار شده را منعکس می باشند. از این رو میتوانیم این مقدارها را یک بردار وابسته به زمان بدانیم.
تحلیل سری زمانی
تحلیل سری زمانی (Time Series) در طی چند دهه گذشته توجه پژوهشگران زیادی را به خود جلب کرده است. هدف اصلی در تحلیل سری زمانی در رابطه با یک پدیده، ایجاد یک مدل آماری برای داده های وابسته به زمان براساس اطلاعات گذشته آن پدیده می باشد. با این عمل، پیش بینی برای آینده پدیده مورد نظر فراهم خواهد شد. در واقع تحلیل سری زمانی، به منظور ایجاد مدلی گذشته نگر می باشد تا از آن طریق امکان تصمیم گیری برای آینده فراهم شود. امروزه ایجاد و استفاده از مدل های آماری و تصادفی در قالب تحلیل سری زمانی، با استفاده از کامپیوتر های پرسرعت و قوی، بسیار رایج شده و حاصل آن نیز مدل هایی می باشد که با داشتن پارامترهای انعطاف پذیر از تحلیل ها، می توان پدیده آینده را پیش بینی نمود.
سیستم استنتاج عصبی-فازی تطبیقی (ANFIS)
یک سیستم استنتاج عصبی-فازی (Adaptive Neuro-Fuzzy Inference System – ANFIS) یک نوع شبکه عصبی مصنوعی می باشد که عملکرد آن براساس سیستم فازی تاکاگی-سوگنو (Takagi–Sugeno) است. با توجه به اینکه این سیستم، شبکه های عصبی و مفاهیم منطق فازی را یکی می کند، می توان از قابلیت های هر دو آنها در یک قاب استفاده نمود. سیستم استنتاج آن مطابق با مجموعه قوانین فازی اگر-آنگاه بوده که امکان یادگیری به منظور تقریب زدن توابع غیرخطی را داراست.
هیچ نظری ثبت نشده است