دوره 8، شماره 4 - ( زمستان 1401 )
دوره 8 شماره 4 صفحات 283-256 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rahimpoor A, Yarmohammadi M. Identification of outliers types in multivariate time series using genetic algorithm. mmr 2022; 8 (4) :256-283
URL: http://mmr.khu.ac.ir/article-1-3104-fa.html
URL: http://mmr.khu.ac.ir/article-1-3104-fa.html
رحیم پور احد، یارمحمدی مسعود. شناسایی نقاط دورافتاده درسری‌های زمانی چند متغیره با استفاده از الگوریتم ژنتیک. پژوهش های ریاضی. 1401; 8 (4) :256-283
احد رحیم پور1 
، مسعود یارمحمدی* 2
، مسعود یارمحمدی* 2
1- دانشگاه پیام نور
2- دانشگاه پیام نور ،masyar@pnu.ac.ir
2- دانشگاه پیام نور ،
چکیده: (1042 مشاهده)
در تحلیل سری‌های زمانی چند متغیره، نقاط دورافتاده می‌توانند منجر به شناسایی غلط مدل، برآورد اریب پارامترها و پیش‌بینی‌های ضعیف شوند. لذا آشکارسازی این نقاط بسیار مهم بوده و مورد توجه می‌باشد. در این تحقیق، از الگوریتم ژنتیک جدیدی برای آشکارسازی نقاط دورافتاده در سری زمانی چند متغیره استفاده می‌کنیم. در این الگوریتم علاوه بر پیدا کردن مکان نقاط دورافتاده، شناسایی نوع دورافتادگی این نقاط نیز انجام می‌شود. سپس به معرفی روش تسای، پناه و پانکراتز (TPP) پرداخته و با مطالعات شبیه سازی نشان می‌دهیم که درصد آشکارسازی صحیح نقاط دورافتاده در الگوریتم ژنتیک نسبت به روش TPP بیشتر است. همچنین داده‌های مربوط به گاز-کوره بررسی و مدل بندی شده و مشخص گردید که روش‌های الگوریتم ژنتیک و TPP، نقاط دورافتاده مشابهی را آشکار می‌سازند.
نوع مطالعه: مقاله استخراج شده از پایان نامه |
موضوع مقاله:
آمار
دریافت: 1399/4/9 | ویرایش نهایی: 1402/3/27 | پذیرش: 1399/11/12 | انتشار: 1401/10/10 | انتشار الکترونیک: 1401/10/10
دریافت: 1399/4/9 | ویرایش نهایی: 1402/3/27 | پذیرش: 1399/11/12 | انتشار: 1401/10/10 | انتشار الکترونیک: 1401/10/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
