دانلود پروژه: طراحی و پیاده سازی مدل ترکیبی برای پیش بینی سری های زمانی

فهرست مطالب

چکیده 1

1 مقدمه 2

1-1 اهمیت و موضوع پژوهش 3

1-2 تاریخچه و سابقه تحقیق 5

1-3 هدف تحقیق و دستاورد های آن 9

1-4 ساختار پایان نامه 10

2 مروری بر ادبیات پیش بینی و سری های زمانی. 12

2-1 مقدمه 13

2-2 تعریف و مفهوم سری زمانی 14

2-3 مروری  بر ادبیات پیش بینی 16

2-4 ساختار مدل فرایند سري زمانی 18

2-4-1 مدل هاي آماري 19

2-4-2 مدل هاي شبکه عصبی 19

2-4-3 مدل هاي فازي و نورو فازي 19

2-4-4 مدل هاي مبتنی بر هسته 20

2-5 فرایند یادگیري سري زمانی 20

3 تحلیل داده ها و انتخاب ورودی موثر برای مدل پیش بینی  21

3-1 مقدمه ای بر سری های زمانی 22

3-2 پیش پردازش داده ها 22

3-2-1 ثبت، هم چهارچوبسازی و نرمالیزه کردن داده ها 23

3-2-2 حذف داده های تکراری و ترمیم داده های پرت 24

3-2-3 خوشه بندی داده ها 24

3-2-4 تحلیل سری های زمانی 25

3-2-5 مولفه های ورودی وابسته 25

3-3 مدل سازی سری های زمانی 31

3-3-1 پیش بینی با استفاده از مدل آماری ARMA 32

3-3-2 پیش بینی با استفاده از مدل  نوروفازی ANFIS 35

3-3-3 پیش بینی با استفاده از مدل مبتنی بر هسته SVR 39

3-4 تحلیلی بر شبیه سازی های انجام شده 42

4 ترکیب اطلاعات   43

4-1 سیستم های اطلاعاتی و مولفه های آن 44

4-2 انواع سیگنال در یک سیستم اطلاعاتی و روش های ترکیب آن ها 44

4-3 سطوح ترکیب اطلاعات و مدل JDL، روش های رایج ترکیب متناسب با هرسطح 44

4-3-1 سطح اول مدل JDL، سطح پالایش شی² 45

4-3-2 سطح دوم مدل JDL، سطح ارزیابی موقعیت²¹ 49

4-3-3 سطح سوم مدل JDL، سطح ارزیابی تهدید²² 49

4-3-4  سطح چهارم مدل JDL، سطح ارزیابی فرایند²³ 50

4-4 معماری های مختلف یک سیستم ترکیب اطلاعات 50

4-5 مزایای استفاده از ترکیب اطلاعات و کاربردهای آن 50

4-5-1 مزایای استفاده از ترکیب اطلاعات 50

4-5-2 کاربردهای نطریه ترکیب اطلاعات 51

4-6 پردازش های به کار رفته در این پروژه 52

4-6-1 الگوریتم OWA 52

4-6-2 انتگرال فازی چکوئیت 55

4-6-3 فیلتر کالمن 57

4-6-4 شبکه عصبی مصنوعی 59

5 جمع بندی، نتیجه گیری و پیشنهادات   61

5-1 جمع بندی 62

5-1-1 مروری بر فرایند شبیه سازی پروژه 62

5-1-2 تحلیل و ارزیابی نتایج حاصل از روشهای مختلف 63

5-2 نتیجه گیری 65

5-3 پیشنهاد برای ادامه پژوهش 66

منابع و مراجع  67

 

فهرست اشکال

شکل1-1 پیش بینی تعداد تراکنش های بانک نمونه 1 با ارائه باند خطا   9

شکل 1-2 پیش بینی تعداد تراکنش های بانک نمونه 1 با ارائه باند خطا  9

شکل 2-1 روند های مختلف موجود در سری های زمانی ………………. 16

شکل 2-2 فرایند پیش بینی…………………………………… 18

شکل2-3 سه ساختار متداول  مدلهای آماری سری زمانی …………….. 20

شکل 3-1 سری زمانی تولید شده از داده های یک دستگاه خودپرداز        24

شکل 3-2 نمونه ای از وجود داده پرت در داده های تعداد تراکنش        25

شکل 3-3 قدر مطلق تابع خود همبستگی داده های دستگاه خود پرداز       28

شکل 3-4 تابع خود اطلاعات متقابل تعداد تراکنش دستگاه خودپرداز       31

شکل 3-5 مقدار تراکنش حقیقی و پیش بینی شده توسط ARMA برای دستگاه خودپرداز      35

شکل3-6 ساختار شبکه ANFIS…………………………………… 37

شکل3-7 نحوه عملکرد شبکه ANFIS………………………………. 38

شکل3-8 مقدار تراکنش حقیقی و پیش بینی شده توسطANFIS برای دستگاه خودپرداز  39

شکل3-9 مقدارتراکنش حقیقی و پیش بینی شده توسط SVR برای دستگاه خودپرداز   42

شکل3-10 شبکه پرسپترون چند لایه……………………………… 43

شکل4-1 بلوک دیاگرام ساده شده یک سیستم هوشمند………………… 45

شکل4-2 سطوح مختلف ترکیب اطلاعات در مدل JDL……………………. 46

شکل4-3 مقدار تراکنش حقیقی و پیش بینی شده تعداد تراکنش دستگاه خودپرداز بر اساس OWA   55

شکل4-4 مقدار تراکنش حقیقی و پیش بینی شده تعداد تراکنش دستگاه خودپرداز بر اساس انتگرال چکوئیت………………………………………………….. 57

شکل4-5 مقدار تراکنش حقیقی و پیش بینی شده تعداد تراکنش دستگاه خودپرداز بر اساس فیلتر کالمن…………………………………………………… 59

شکل4-6 مقدار تراکنش حقیقی و پیش بینی شده تعداد تراکنش دستگاه خودپرداز بر اساس RBF   61

شکل5-1 مقدار تراکنش حقیقی و پیش بینی شده تعداد تراکنش دستگاه خودپرداز بر اساس MLP    66

فهرست جداول

جدول 3- 1 اولویت تاخیرهایی که بر اساس تابع خود همبستگی خطی انتخاب می شوند.    28

جدول 3- 2 اولویت تاخیرهایی که بر اساس تابع خود اطلاعات متقابل انتخاب می شوند.  31

جدول 3- 3 پارامترهای ساختاری مدل ARMA………………………. 35

جدول 3- 4 نتایج حاصل از پیش بینی به کمک مدل ARMA برای دستگاه خودپرداز   35

                جدول 3- 5 پارامترهای ساختاری مدل ANFIS………… …………….39

جدول 3- 6 نتایج حاصل از پیش بینی به کمک مدل ANFIS برای دستگاه خودپرداز.  39

جدول 3- 7 پارامترهای ساختاری مدل SVR……………………….. 41

جدول 3- 8 نتایج حاصل از پیش بینی به کمک مدل SVR برای دستگاه خود پرداز.  42

جدول 4- 1 پارامترهای ساختاری الگوریتم OWA…………………… 54

جدول 4-2 نتایج حاصل از پیش بینی به کمک الگوریتم OWA برای دستگاه خودپرداز.     55

جدول 4- 3 پارامترهای ساختاری مدل انتگرال چکوئیت……………… 57

جدول 4- 4 نتایج حاصل از پیش بینی به کمک انتگرال چکوئیت برای دستگاه خودپرداز.  58

جدول4- 5 پارامترهای ساختاری مدل ترکیب کالمن…………………. 59

جدول 4- 6 نتایج حاصل از پیش بینی به کمک فیلتر کالمن برای دستگاه خودپرداز.     60

جدول 4- 7 پارامتر های ساختاری مدل RBF………………………. 61

جدول 4- 8 نتایج حاصل از پیش بینی به کمک RBF برای دستگاه خودپرداز. 62

جدول 5- 1 پارامترهای ساختاری مدل MLP.…………………………. 65

جدول 5- 2 نتایج حاصل از پیش بینی مدل های مختلف برای تعداد تراکنش دستگاه خودپرداز……………………………………………………….66