توصيفگر ها :
پيش بيني و مدل سازي , بهبود دقت , مدلهاي تركيبي , تركيب ساختارهاي تركيب
چكيده فارسي :
پيشبيني و مدلسازي در تمامي حوزه‌هاي علمي، عملياتي و به‌ويژه فرآيندهاي تصميم‌گيري يك امر حياتي و مهم مي‌باشد به‌قسمي كه كيفيت تمامي اقدامات و تصميمات به‌دقت فرآيند مدلسازي و پيشبيني وابسته است و از اين‌رو بهبود دقت در فرآيندهاي مدلسازي و پيشبيني همواره مورد توجه محققين بوده و تحقيقات مربوط به اين امر مهم در ادبيات موضوع همواره در حال توسعه و حركت به سمت روش‌هاي نوين مي‌باشد. با توجه به اهميت مسئله ارائه پيش‌بيني‌هاي دقيق و مستدل در حوزه‌هاي مختلف، در سال‌هاي اخير روش‌هاي گوناگوني در رابطه با بهبود دقت پيش‌بيني‌ها ارائه گرديده است. تركيب مدلهاي مختلف و يا به‌كارگيري مدلهاي تركيبي از شناخته‌شده‌ترين و پركاربرد‌ترين ابزار‌هاي موجود به‌منظور رفع نواقص مدلهاي تكي، بهره‌گيري از خصايص منحصربه‌فرد آن‌ها در مدلسازي به‌صورت همزمان و به‌طور خاص بهبود دقت پيش‌بيني‌ها مي‌باشد. نتايج حاصله از بررسي تحقيقات صورت‌گرفته در حوزه‌هاي مرتبط با پيشبيني و مدلسازي، حاكي از آن است كه به‌كارگيري اين‌گونه روش‌ها در چند دهه اخير موجب پيشرفت‌هاي گسترده‌اي در زمينه ارائه پيش‌بيني‌هاي دقيق‌تر شده است. علي‌رغم استفاده گسترده از مدلهاي تركيبي به دليل ماهيت پيچيده سيستم‌هاي دنياي واقع و نواقص و محدوديت‌هاي مدلهاي تركيبي معمول، نياز به روش‌هاي مدلسازي دقيق‌تر همواره چالشي بزرگ پيشروي محققين بوده است. تركيب ساختارهاي تركيب رويكردي نوين در مدلسازي و پيشبيني سريهاي زماني است كه برخلاف مدلهاي تركيبي معمول كه بر تركيب مدلهاي تكي تمركز دارند، بر پايه تركيب كلاس‌هاي تركيبي مي‌باشد. هدف اساسي از انجام اين رساله نيز به‌كارگيري تركيب ساختارهاي تركيب به‌منظور ارائه يك رويكرد جديد و كاراي مدلسازي مي‌باشد.بر اين اساس در اين رساله متدولوژي نوين مدلسازي تركيب ساختارهاي تركيب به‌منظور حصول حداكثر دقت در مدلسازي و پيشبيني داده‌هاي دنياي واقع ارائه و مدلهاي مرتبط پياده‌سازي مي‌گردند. در رويكرد پيشنهادي سعي شده تا با استفاده از مفاهيم پايه‌اي كلاس‌هاي مختلف تركيبي، يك فرآيند جامع و دقيق براي مدلسازي و پيشبيني مسائل پيچيده دنياي واقع طراحي گردد. چهار محدوديت ترتيب توالي مدلسازي، تعيين وزن در ساختار تركيب سري، عدم مدلسازي باقي‌مانده‌ها و هم خطي چندگانه در ساختار تركيب موازي مسائل حل‌نشده در زمينه مورد بحث مي‌باشند. لذا در اين رساله به‌منظور برطرف ساختن محدوديت‌هاي فوق، سطح سوم رويكردهاي مدلسازي به نام تركيب ساختارهاي تركيب به‌منظور دسترسي به‌دقت بالاتر در تقابل با مدل‌سازي‌هاي معمول تعريف و مدل‌سازي‌هاي مرتبط پياده‌سازي شده است نتايج مدلهاي ارائه‌شده تركيب سري وزن‌دار، تركيب موازي مدلهاي سري، تركيب سري مدلهاي موازي و تركيب ساختار تركيب موازي و متد تجزيه‌وتحليل مؤلفه‌هاي اصلي در اين رساله، به‌وضوح بيانگر برتري متدولوژي پيشنهادي در معيار دقت در قياس با رويكردهاي رايج مدلسازي در ادبيات موضوع مي‌باشد. به‌اين‌ترتيب مي‌توان با جايگزيني متدولوژي تركيب ساختارهاي تركيب با رويكردهاي معمول تركيبي، سطح جديدي از رويكردهاي مدلسازي با بالاترين درجه دقت ارائه نمود.
چكيده انگليسي :
Forecasting and modeling is a vital and important matte in all areas of science, operations and especially decision-making processes because the quality of all actions and decisions depends on the accuracy of the modeling and forecasting procedures and therefore improving the accuracy of modeling and forecasting processes is always considered by researchers and research related to this important issue in the literature. Thus, the subject is constantly evolving and moving towards novel methods. Due to the importance of providing accurate and reasoned forecasts in various fields, in recent years, various methods have been proposed to improve the accuracy of forecasts. Combining different models or using combined models is one of the most well-known and widely adopted alternatives to eliminate the shortcomings of individual models, taking advantage of their unique features in modeling simultaneously and specifically improving the accuracy of forecasting. The results of research conducted in the field of forecasting and modeling indicate that the such methods in recent decades has led to extensive advances to yield more accurate results. Despite the extensive use of hybrid models due to the complex inherent of real-world systems and the shortcomings and limitations of traditional hybrid models, the need for more accurate modeling methods has always been a major challenge for researchers. hybridization of hybrid Structures is a novel approach in modeling and forecasting time series that, unlike conventional hybrid models that focus on combining individual models, is based on combining hybrid classes. The main purpose of this thesis is to propose the hybridization of hybrid structures to present a novel and efficient modeling approach. In the proposed methodology, an attempt has been made to design a comprehensive and accurate modeling framework to model and forecast complex real-world problems employing the basic concepts of different hybrid classes. The four limitations of modeling including, sequence, weighting in series hybrid structure, non-modeling of residuals, and collinearity in parallel hybrid structure are the unsolved problems in the literature. Therefore, in order to eliminate the above limitations, the third level of modeling approaches named hybridization of hybrid structures has been defined to achieve higher accuracy in contrast to the traditional modeling approaches. Weighted sequential hybrid models, parallel hybridization, series hybridization of parallel models, and principal component based parallel hybrid model proposed in this thesis clearly represent the superiority of the proposed methodology in terms of accuracy. In this way, by replacing the methodology of the proposed methodology with conventional hybrid approaches, a novel level of modeling approaches with the highest degree of accuracy can be suggested for time series modeling and forecasting problems.
