بهبود كيفيت مدل‌سازي و پيش‌بيني سري‌هاي زماني با استفاده از تحليل مجموعه مقادير تكين چندمتغيره استوار

در تحليل سري‌هاي زماني ناديده گرفتن نقاط دورافتاده منجر به شناسايي نادرست مدل، برآورد اريب پارامترها و در نتيجه پيش‌بيني‌‌هاي ضعيف و به عبارتي كاهش كيفيت و دقت مدل‌سازي مي‌شود. يكي از روش‌هاي ناپارامتري معتبر در پيش‌بيني و بهبود كيفيت مدل‌سازي سري‌هاي زماني چند متغيره، روش مجموعه مقادير تكين چند متغيره (MSSA) است كه نيازمند هيچ‌گونه فرض اوليه‌اي نيست. از آنجايي كه وجود نقاط دورافتاده كارايي روش MSSA را كاهش داده و نُرم ماتريسي فروبنيوس به كار رفته در آن را متأثر ساخته و به عبارتي غير استوار مي‌سازد، در اين تحقيق، نسخه‌ي جديدي از روش MSSA بر اساس نُرم  L1 پيشنهاد مي‌شود. در ادامه با استفاده از مطالعات شبيه‌سازي و نيز استفاده از داده‌هاي واقعي، عملكرد روش تحليل مجموعه مقادير تكين چندمتغيره بر اساس هر دو نُرم مورد مقايسه قرار مي‌گيرد. معيارهاي مورد استفاده شامل ريشه‌ي ميانگين توان دوم خطاها و ميانگين قدرمطلق خطاها، برتري روش تحليل مجموعه مقادير تكين چندمتغيره بر اساس نُرم L1 را در بازسازي و پيش‌بيني سري زماني نشان مي‌دهند.