Time series forecasting based on wavelet filtering

داده های سری زمانی پیش بینی یکی از مهم ترین مسائل مربوط به برنامه های متعدد در زندگی واقعی است. داده های سری زمانی در حوزه های زمان یا فرکانس مورد تجزیه و تحلیل قرار گرفته است. هدف این مطالعه پیشنهاد روش پیش بینی مبتنی بر فیلترینگ موجک است. روش پیشنهادی سریهای زمانی اولیه را به قسمت های روند و تنوع تجزیه می کند و یک مدل جداگانه برای هر بخش ایجاد می کند. شبیه سازی و مطالعات موردی واقعی برای بررسی خواص روش پیشنهادی تحت سناریوهای مختلف انجام شده و عملکرد آن با مدلهای پیش بینی سری زمانی بدون فیلتر کردن موجک مقایسه شده است. نتایج حاصل از هر دو داده های شبیه سازی شده و واقعی نشان داد که روش پیشنهاد شده بر اساس فیلترینگ موجک، نتایج دقیقتری را نسبت به مدل های بدون فیلترینگ موجک از لحاظ معیار خطای مطلق درصد به دست آورد.