کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10127565 1645057 2019 47 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Comparative analysis of properties of weakening buffer operators in time series prediction models
ترجمه فارسی عنوان
تجزیه و تحلیل تطبیقی ​​خواص اپراتورهای بافر تضعیف در مدل های پیش بینی سری زمانی
کلمات کلیدی
اپراتور بافر ضعیف، صافی سری زمانی، اختلالات داده، پیش بینی روند،
ترجمه چکیده
کاهش اثرات منفی اختلالات تصادفی در داده های نمونه همواره یک مشکل دشوار در تحلیل های سری زمانی بوده است. در این مقاله سه اپراتور جدید بافر تثبیت کننده کسری ارائه شده است و سپس برخی خواص مطلوب این اپراتورهای توالی پیشنهاد شده مورد بررسی قرار می گیرند. اثر بالقوه آنها در هماهنگ کردن اختلالات غیر منتظره در حالی که حفظ روند طبیعی در سریهای نمونه، مورد تجزیه و تحلیل قرار گرفته و با دیگر اپراتورهای توالی استفاده شده در مدلهای سری زمانی مقایسه می شود. نتایج تحقیقات نظری و تجربی نشان می دهد که اپراتورهای جدید بافر تضعیف کسر رونده در بهبود بخشیدن به تجزیه و تحلیل الگوی توسعه سری های زمانی در سناریوهای اختلال موثر هستند، در حالیکه از داده های تجربی از نمونه های جمع آوری شده نیز بسیار اجتناب ناپذیر است. استحکام الگوریتم پیش بینی مبتنی بر اپراتور در برابر اثر نویز در پنج نوع مختلف سناریوهای نویز مورد آزمایش قرار گرفته است. نتایج حاصل از مطالعه تجربی نشان می دهد که روش پیشنهادی عملکرد پیش بینی سری را بهبود می بخشد و همچنین توانایی الگوریتم های پیش بینی مربوطه را بهبود می بخشد. این ویژگی های منحصر به فرد از اپراتورهای بافر تضعیف شده پیشنهاد می کنند که آنها را در تحلیل های سری زمانی جذاب تر می کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
چکیده انگلیسی
Reducing the negative influence of stochastic disturbances in sample data has always been a difficult problem in time series analysis. In this paper, three new fractional weakening buffer operators are proposed, and then some desirable properties of these proposed sequence operators are investigated. Their potential effect in smoothing unexpected disturbances while maintaining the normal trend in sample series is analyzed and compared with other widely used sequence operators in time series modeling. Results of theoretical and empirical research show that the proposed novel fractional weakening buffer operators are effective in improving the development pattern analysis of time series in disturbance scenarios, while also avoid too subjectively weighting experimental data from collected samples. The robust of the proposed operator-based prediction algorithm against noise effect is tested in five different types of noise scenarios. Result of empirical study demonstrates that the proposed method improves the series prediction performance and it also improves the robustness of corresponding forecasting algorithms. These unique properties of the proposed weakening buffer operators make them more attractive in time series analysis.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Communications in Nonlinear Science and Numerical Simulation - Volume 68, March 2019, Pages 257-285
نویسندگان
, , ,