كاربرد قواعد كشفي و الگوريتم ژنتيك در ساخت مدل ARMA براي پيش بيني سري زماني

Application of Heuristic Rules and Genetic Algorithm in ARMA Model Estimation for Time Series Prediction

براي پيش‏بيني سري ‏زماني ابتدا بايد مدل مناسبي از آن ساخته شود. تعيين ابعاد و تخمين پارامترهاي مناسب براي مدل ARMA سري ‏زماني، چالشي است كه علاوه بر روش‏هاي متداول آماري، از طريق محاسبات هوشمند نيز به آن توجه شده است. در اين مقاله استفاده از الگوريتم ژنتيك براي تخمين پارامترهاي مدل ARMA و قواعد كشفي براي تعيين ابعاد مدل ارائه مي‏شود. قواعد كشفي بر‌اساس ويژگي‏هاي سري ‏زماني استخراج مي‏شوند. داده‏ها به‌روش پنجرۀ لغزان در پيش‏بيني به‎كار مي‎روند. مدل بر ‌اساس معيار اطلاعاتي بيزين و پيش‏بيني بر ‌اساس دو معيار مجذور متوسط مربعات خطا و متوسط قدر مطلق درصد خطا ارزيابي مي‏شود. روش ارائه‏شده روي هشت سري ‏زماني با ويژگي‏هاي مختلف به‎‏كار رفته و نتايج آن با نتايج روش آماري مقايسه شده است. نتايج نشان مي‏دهد در تمام موارد، روش ارائه‏شده همسان يا بهتر از روش كلاسيك عمل مي‏كند.

The first step of forecasting time series is to build an appropriate model. Determining orders and estimation of ARMA model parameters is a challenging field in traditional statistical and intelligent methods. In this paper, genetic algorithm is used for parameter estimation and heuristic rules are used to determine orders of ARMA model. Heuristic rules are extracted according to time series properties. The data are selected using sliding time window. Model identification is carried out by using Bayesian information criterion (BIC). The mean squares error and the mean absolute percentage error are used to evaluate the results of prediction. The proposed method was applied to eight time series in different types, and the results were compared with results of statistical methods. The achieved result shows equivalent or superior performance for the proposed method in comparison with the classic method.