| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پیش بینی سری زمانی بی نظم مبتنی بر بهینه سازی باینری ازدحام ذرات |
| عنوان انگلیسی مقاله: |
Chaotic Time Series Prediction Based On Binary Particle Swarm Optimization |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2012 |
| تعداد صفحات مقاله انگلیسی | 7 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات و مهندسی نرم افزار |
| مجله | کنفرانس AASRI در هوش محاسباتی و بیوانفورماتیک |
| دانشگاه | دانشکده اطلاعات علوم و مهندسی، دانشگاه شاندونگ، چین |
| کلمات کلیدی | مدل خطی محلی، پیش بینی، سری های زمانی آشوبی، BPSO |
| شناسه شاپا یا ISSN | ISSN 2212-6716 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 10 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. مقدمه
2. نظریه زمینه
2.1 مدل پیش بینی خطی محلی
2.2. BPSO
3. روش مدل سازی بر اساس BPSO
4. شبیه سازی و نتایج
5. مباحث
نتایج
- بخشی از ترجمه:
6. نتایج
یک روش جدید برای پیش بینی سری های زمانی آشوبی مبتنی بر BPSO در این مقاله ارائه شده است. پارامتر های مدل پیش بینی میتواند نسبت به پارامتر های باز سازی فضای فازی متفاوت تنظیم شود. به این علت که پارامتر ها دارای تاثیر مهمی روی صحت پیش بینی دارد، مقدار های بهینه برای مدل پیش بینی گزینش میشود. BPSO برای جستوجوی پارامتر های بهینه اعمال میشود که به علت توانایی بالای جستوجوی سراسری آن است. پیش بینی خطی محلی تک گامی مجموعه ی راهنما را برای جستوجوی نقاط مجاور جدید به روز رسانی میکند و پیچیدگی محاسبات را افزایش میدهد. پیش بینی چند گامی میتواند با تغییر گام پیش بینی این مشکل را رفع کند. الگوریتم های تطبیقی وزن دار ترکیب شده هم میتواند برای بهبود صحت پیش بینی توسط ترکیب مدل ها با عامل های وزن دار، مورد استفاده قرار گیرد. نتایج شبیه سازی ها نشان میدهد که روش ارائه شده نسبت به مدل های خطی محلی قدیمی بهتر بوده و برای پیش بینی های کوتاه مدت با دقت بالا مناسب هستند.
- بخشی از مقاله انگلیسی:
6. Conclusion
A new method of predicting chaotic time series based on BPSO is proposed in this paper. Parameters of prediction model can be set to different value with those of phase space reconstruction. Because the parameters have important impact on the prediction accuracy, optimal values are chosen for the prediction model. BPSO is applied to search the optimal parameters due to its strong global search capability. The local linear one-step prediction updates the training set to search for new neighboring points and increases the complexity of computation. The multi-step prediction can overcome the disadvantage by changing the predictive step. The adaptive weighted fused algorithm also can be employed to improve the predictive accuracy by fusing the models with weighted factors. Simulation results demonstrate that the proposed method is superior to the traditional local linear model and more suitable for high precision short-term prediction.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پیش بینی سری زمانی بی نظم مبتنی بر بهینه سازی باینری ازدحام ذرات |
| عنوان انگلیسی مقاله: |
Chaotic Time Series Prediction Based On Binary Particle Swarm Optimization |
|
|