ارايه‌ي روش‌هايي جديد براي پيش‌بيني سري‌هاي زماني با استفاده از موجك‌ها

ارايه‌ي روش‌هايي جديد براي پيش‌بيني سري‌هاي زماني با استفاده از موجك‌ها

سري‌هاي زماني مشاهداتي هستند كه در طول زمان جمع‌آوري مي‌شوند. فراواني چنين مشاهداتي، تحليل سري‌هاي زماني را به يكي از كاربردي‌ترين شاخه‌هاي علم آمار تبديل كرده است. هر چند توصيف رفتار يك سري زماني از لحاظ تغييرات موضعي و درازمدت در آن، يا مطالعه‌ي وابستگي‌هاي موجود بين عناصر سري از بررسي‌هاي متداول است كه روي سري‌هاي زماني انجام مي‌شود، اما مي‌توان گفت كه مهم‌ترين هدف از تحليل يك سري زماني، پيش‌بيني مقادير آينده‌ي آن است. در علوم كاربردي، با سري‌هاي زماني بسيار سر و كار داريم كه پيش‌بيني آن‌ها از اهميت بالايي برخوردار است. در سال‌هاي اخير، كاربرد موجك در پيش‌بيني اين‌گونه سري‌ها افزايش يافته است كه علت آن مزاياي قابل توجه موجك مي‌باشد. هدف ما در اين مقاله، ارايه‌ي روش‌هايي جديد براي پيش‌بيني سري‌هاي زماني بر اساس موجك‌ها و مقايسه‌ي اين روش‌ها با هم مي‌باشد. چندين روش مبني بر استفاده از موجك‌ها وجود دارد كه در اينجا فقط روش‌هاي هموارسازي تابعي با استفاده از كرنل- موجك (K-W) و برازش مدل خطي فرايند ايستاي موضعي (LSW)، مورد بررسي قرار مي‌گيرد. در نهايت نيز دو روش كه تعميمي از روش K-W مي‌باشند را ارايه مي‌دهيم و عملكرد آن‌ها را با روش‌هاي K-W و LSW و برازش مدل‌هاي كلاسيك، بررسي مي‌نماييم. اين مقايسه بر روي داده‌هاي شبيه‌سازي‌شده و واقعي صورت مي‌گيرد.