سیستم استنتاج عصبی - فازی تطبیقی خودبازخورد آموزش یافته با الگوریتم رقابت استعماری برای پیش بینی سری های زمانی آشوبناک

پیش بینی سری های زمانی، مخصوصا سری های زمانی آشوبی سیستم های پویای غیر خطی، یکی از زمینه های مهم تحقیقاتی است و کاربرد زیادی در زمینه های گوناگون دارد. از میان روش های معرفی شده برای پیش بینی سری های زمانی آشوبناک، به استفاده از شبکه های عصبی و سیستم های فازی بیشتر توجه شده است. در این مقاله، سیستم استنتاج عصبی - فازی تطبیقی بهبودیافته، برای پیش بینی سری های زمانی آشوبناک پیشنهاد شده است. با توجه به اینکه ساختار سیستم استنتاج عصبی -فازی تطبیقی براساس یک شبکه پیشرو است، بیشتر به مسائل ایستا محدود بوده است و توانایی مواجهه موثر با ویژگی های پویا مانند سری های زمانی را ندارد. برای غلبه بر این مشکل، در این مقاله برای مدل سازی وابستگی های زمانی این سیستم، از ارتباط خودبازخورد خروجی مراحل قبلی استفاده شده است. همچنین از ترکیب الگوریتم بهینه سازی رقابت استعماری ICA، همراه با تخمین حداقل مربعات LSE، برای آموزش سیستم عصبی - فازی و به روزرسانی پارامترهای آن استفاده شده است که این روش، مشکلات آموزش الگوریتم های بر پایه گرادیان را ندارد. این روش برای پیش بینی و مدل سازی چند سری زمانی غیر خطی و آشوبناک جهان واقعی استفاده شده است. تجزیه و تحلیل نتایج و مقایسه آن با کارهای اخیر، نشان دهنده عملکرد بهتر روش پیشنهادی نسبت به روش های قبلی، از نظر معیار خطای کل پیش بینی برای مدل سازی و پیش بینی سری های زمانی هستند.