ايجاد يك سيستم خبره به منظور شناسايي مدل مناسب براي پيش‌بيني سري‌هاي زماني

An Expert System for Identification of Forecasting Model for Time Series

وجود الگوهاي متنوع براي مدل‌سازي و پيش‌بيني سري‌هاي زماني، باعث مي‌شود انتخاب ساختار و تحليل اين گونه مدل‌ها با سعي و خطا، صرف زمان زياد و مبتني بر نظر افراد خبره انجام شود. با توجه به ماهيت شرطي رويه‌هاي شناسايي مدل پيش‌بيني سري‌هاي زماني، در اين مقاله سعي مي‌شود با ايجاد تعدادي موتور جستجو، تكنيك تجزيه و تحليل مشخص شود و در مرحله بعد، با فرض معين بودن تكنيك مناسب، پايگاه دانش به گونه‌اي توسعه داده شود كه در نهايت امكان نسبت دادن مدل مناسب به داده‌هاي در دست مطالعه، فراهم شود. پس از تعيين نوع روش، ميزان برازش مدل مورد نظر بر داده‌هاي تاريخي به وسيله شاخص‌هاي مناسب اندازه‌گيري مي‌شود. در صورت مناسب بودن اين شاخص‌ها، با به كارگيري مدل انتخاب‌شده، پيش‌بيني دوره‌هاي بعدي به دست آمده و مي‌توان تناسب مدل پيش‌بيني را سنجيد. سپس با تكرار اين فرآيند و تغيير پاسخ سوالات در مراحلي كه حالت قطعي براي جواب وجود ندارد، به تعداد كافي مدل انتخاب كرده و از بين آنها برترين مدل بر‌گزيده مي‌شود. در انتها، پياده‌سازي سيستم خبره و اجراي مدل روي داده‌هاي نمونه به صورت مطالعه موردي، كارآيي و اعتبار روش پيشنهادي را تاييد مي‌كند.

Identifications and analysis of time series are time consuming, based on trial and error and highly dependent on expert judgments. This is mainly due to the presence of various models for forecasting time series, as well as introducing new techniques for analysis and predictions. In this paper, expert system structure is used to replace traditional methods of model identifications for time series. Firstly, several search engines are defined and analytical methods are specified. Next, the knowledge base is developed such that a proper model can be assigned to each data set. The goodness of fit is then evaluated by mathematical indices. Repeating the process and modifying the responses to account for uncertain situations, will provide a set of models to make the final decision. Lastly, the performance of the proposed expert system is verified by a series of sample data as a case study and the efficiency of the system is approved.