ارائه یک رویکرد فازی برای بهینه سازی پیش بینی سری زمانی با مرتبه بالا

در این پژوهش، یک روش بهینه سازی پیش بینی فازی جدید مبتنی بر سری های زمانی فازی مرتبه بالا ارائه می شود که درآن از تابع بهینه سازی ازدحام ذرات برای بهینه کردن الگوریتم محاسبه ویژگی استفاده شده است. هدف روش پیشنهادی، پیش بینی سری زمانی فازی مرتبه بالا است و عملکرد بهتری را برای رفع مشکلات پیش بینی سری های زمانی فازی مرتبه بالا، ارائه می دهد؛ بدین منظور روش این پژوهش بدین صورت است که پس از فازی سازی سری زمانی و ایجاد روابط منطقی فازی، با استفاده از حد پایین بازه عنصر مورد پیش بینی و بازه پس از آن و اختلاف حاصل از عناصر متوالی، محاسبات خاصی را انجام داده و مجموعه ای از ویژگی ها به دست می آید؛ سپس با استفاده از تابع بهینه سازی ازدحام ذرات بهترین پارامترها انتخاب می شود. در همین راستا تابع شایستگی در روش پیشنهادی دو بخش دارد: یک بخش به صورت کلی (میانگین تمام مرتبه ها) و یک بخش به صورت جزئی (تک تک ستون مرتبه ها) است. یافته ها و نتایج تجربی حاکی از این است که: ویژگی های به دست آمده توسط روش پیشنهادی، داده های پرت و زائد کمتری دارد که این خود سبب پیش بینی نزدیک تر، با خطای کمتر می شود و در نهایت غیرفازی انجام می شود. عدد حاصل، مقدار صحیح پیش بینی شده عنصر مورد نظر است. روش پیشنهادی با استفاده از داده های سری زمانی ثبت نام دانشگاه آلاباما که شامل تعداد ثبت نام سالانه در این دانشگاه - از سال 1971 تا سال 1992 میلادی- انجام شده و با سایر روش ها، توسط میانگین مجذور خطا و میانگین خطا، برای تعیین نرخ دقت پیش بینی، مورد مقایسه قرار گرفت؛ به گونه ای که در مقایسه با سایر روش ها، شاهد خطای کمتری بودیم.