• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >A New High Order Fuzzy ARMA Time Series Forecasting Method by Using Neural Networks to Define Fuzzy Relations
【24h】

A New High Order Fuzzy ARMA Time Series Forecasting Method by Using Neural Networks to Define Fuzzy Relations

机译：神经网络定义模糊关系的高阶模糊ARMA时间序列预测新方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Linear time series methods are researched under 3 topics, namely, AR (autoregressive), MA (moving averages), and ARMA (autoregressive moving averages) models. On the other hand, the univariate fuzzy time series forecasting methods proposed in the literature are based on fuzzy lagged (autoregressive (AR)) variables, having not used the error lagged (moving average (MA)) variables except for only two studies in the fuzzy time series literature. Not using MA variables could cause the model specification error in solutions of fuzzy time series. For this reason, this model specification error should be eliminated. In this study, a solution algorithm based on artificial neural networks has been proposed by defining a new high order fuzzy ARMA time series forecasting model that contains fuzzy MA variables along with fuzzy AR variables. It has been pointed out by the applications that the forecasting performance could have been increased by the proposed method in accordance with the fuzzy AR models in the literature since the proposed method is a high order model and also utilizes artificial neural networks to identify the fuzzy relation.
机译：线性时间序列方法在3个主题下进行了研究，分别是AR（自回归），MA（移动平均值）和ARMA（自回归移动平均值）模型。另一方面，文献中提出的单变量模糊时间序列预测方法是基于模糊滞后（自回归（AR））变量的，除了仅在两项研究中没有使用误差滞后（移动平均值（MA））变量。模糊时间序列文献。不使用MA变量可能会在模糊时间序列的解决方案中导致模型规格错误。因此，应消除此模型规格错误。在这项研究中，通过定义一个新的包含模糊MA变量和模糊AR变量的高阶模糊ARMA时间序列预测模型，提出了一种基于人工神经网络的求解算法。应用已经指出，由于所提出的方法是高阶模型并且还利用人工神经网络来识别模糊关系，因此根据文献中的模糊AR模型可以通过所提出的方法来提高预测性能。 。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2015年第12期|128097.1-128097.14|共14页
  • 作者

    Kocak Cem;

  • 作者单位

    Hitit Univ, Sch Hlth, TR-19000 Corum, Turkey;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号