مهندسی

پیش‌بینی سری زمانی در متلب

سری زمانی در متلب

سری زمانی از مهم‌ترین مسائل کاربردی در زمینه‌های علوم مختلف از جمله اقتصاد، مهندسی برق، علوم مهندسی، هواشناسی، بورس، مهندسی کنترل، علوم زیستی، کیهان‌شناسی و… است. پیش‌بینی سری زمانی به عنوان یک ماشین در نظر گرفته می‌شود. مقادیر گذشته سری زمانی ورودی و آینده آن خروجی سیستم شناسایی هستند. بررسی گذشته یک داده برای شناخت یک پدیده و شناسایی آن اولین قدم برای یک مدل‌سازی است که به کمک آن می‎توان به یک پیش‌بینی صحیح و اصولی دست‌یافت.

 

 

ابزارهای متفاوتی وجود دارند که با استفاده از آن‎ها می‌توان به بررسی و تحلیل پیش‌بینی سری زمانی استفاده کرد. این ابزارها توسط نرم‌افزارها و الگوریتم‌های مختلف پیاده‌سازی شده‎اند. نرم‌افزار متلب نیز یکی از این نرم‌افزارهاست با داشتن امکانات فراوان و قدرتمند و در قالب تولباکس‎هایی که به‌صورت آماده برای کاربران فراهم نموده است، می‎تواند به آن‎ها در پیاده‌سازی الگوریتم‎های مختلف کمک کند.

انواع سری زمانی

سری زمانی به دو گروه تقسیم می‎شود: سری زمانی پیوسته و گسسته. اگر مشاهدات به‌صورت پیوسته در یک سری زمانی اتفاق بیفتند عبارت سری زمانی پیوسته برای آن به کار برده می‎شود. زمانی که یک متغیر بتواند مقادیر گسسته را به خود بگیرد در این صورت عبارت سری زمانی پیوسته برای آن کاربرد دارد.

مثال‌هایی از کاربرد‎های سری زمانی

به جمع‌آوری آمار و اطلاعات مرتبط با یک متغیر که قرار است آینده آن پیش‌بینی شود در هر علم، سری زمانی گفته می‎شود. یک سری زمانی یک عده اعداد آماری است که در بازه‎های زمانی متفاوت جمع‌آوری شده‌اند. این آمار در علوم مختلفی به کار می‌آید از جمله:

  • پیش‌بینی سری زمانی در آمار: اندازه‌گیری جمعیت به طور سالانه برای پیش‌بینی تغییرات جمعیت در یک دوره زمانی ده‌ساله و یا بیست‌ساله
  • اقتصاد: مانند میزان صادرات در یک دوره زمانی و یا قیمت سهام در بازار در یک بازه زمانی مشخص
  • بازاریابی: تحلیل میزان خریدوفروش مثلاً در یک ماه مشخص

 

 

روش‌های پیش‌بینی سری زمانی

شبکه عصبی مهم‎ترین روش برای پیش‌بینی سری زمانی است. این روش برای اولین‌بار توسط آقایان مک کلوچ و پیتز ارائه شد و آن‎ها با کمک هم توانستند مدل نرون را بسازند که قابلیت ایجاد دروازه‎های OR و AND را داشتند. پس از این افراد دانشمندان دیگری بر روی تک نرون کار کردند و توانستند شبکه‌های زیادی از نرون‌ها را بسازند. دز زمان‏های گذشته ساختارهای مختلفی برای این شبکه‎های عصبی ارائه داده شد که اصلی‌ترین آن‎ها feedforward و شبکه‎های بازگشتی هستند. برای این دو شبکه، الگوریتم‎های متنوع تعلیم ارائه داده شده است که به دو گروه نظارتی و غیر نظارتی تقسیم می‎شوند. از مهم‎ترین کاربردهای شبکه‎های عصبی می‎توان به کاربردهای شبکه‌های عصبی، تقریب توابع، شناخت الگوهای مرئی، کنترل‌کننده‌ها، پیش‌بینی (وضع هوا و سری‎های زمانی و…)، طبقه‌بندی و اشاره کرد.

 

 

RBF، Backpropagation و PNN  از جمله مهم‌ترین شبکه‎های عصبی برای پیش‌بینی سری زمانی هستند.

فیلم‌های آموزشی پیش‌بینی سری‌‎های زمانی

در مجموعه فیلم آموزشی پیش‌بینی سریهای زمانی که توسط مجموعه مکتب‌خونه تدوین شده است، سرفصل‎های مختلف به طور کامل شرح داده شده است که توصیه می‎شود برای یادگیری بهتر تمامی قسمت‎ها را به طور کامل مشاهده کنید. همچنین برای یادگیری بیشتر مطالب می‎توانید جزوه سری‌های زمانی را مطالعه کنید.

کلام پایانی

مبحث پیش‌بینی سری زمانی بسیار گسترده و پیچیده است و توضیحاتی که داده شد تنها گوشه اندکی از آن است. برای اینکه به طور کامل بتوانید با مفاهیم سری زمانی در متلب آشنا شوید می‌توانید در دوره‌های آموزشی متلب شرکت کنید.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا