بهبود کیفیت مدلسازی و پیشبینی سریهای زمانی با استفاده از تحلیل مجموعه مقادیر تکین چندمتغیره استوار
نویسندگان
1 دانشگاه علوم پزشکی اصفهان
2
3
4 دانشگاه شهید بهشتی
doi
10.48313/jqem.2023.184267چکیده
چکیده: در تحلیل سریهای زمانی نادیده گرفتن نقاط دورافتاده منجر به شناسایی نادرست مدل، برآورد اریب پارامترها و در نتیجه پیشبینیهای ضعیف و به عبارتی کاهش کیفیت و دقت مدلسازی میشود. یکی از روشهای ناپارامتری معتبر در پیشبینی و بهبود کیفیت مدلسازی سریهای زمانی چند متغیره، روش مجموعه مقادیر تکین چند متغیره (MSSA) است که نیازمند هیچگونه فرض اولیهای نیست. از آنجایی که وجود نقاط دورافتاده کارایی روش MSSA را کاهش داده و نُرم ماتریسی فروبنیوس به کار رفته در آن را متأثر ساخته و به عبارتی غیر استوار میسازد، در این تحقیق، نسخهی جدیدی از روش MSSA بر اساس نُرم پیشنهاد میشود. در ادامه با استفاده از مطالعات شبیهسازی و نیز استفاده از دادههای واقعی، عملکرد روش تحلیل مجموعه مقادیر تکین چندمتغیره بر اساس هر دو نُرم مورد مقایسه قرار میگیرد. معیارهای مورد استفاده شامل ریشهی میانگین توان دوم خطاها و میانگین قدرمطلق خطاها، برتری روش تحلیل مجموعه مقادیر تکین چندمتغیره بر اساس نُرم را در بازسازی و پیشبینی سری زمانی نشان میدهند.