شاخص های جدید آماری برای ارزیابی عملکردی پیش بینی مدل
چکیده
تعداد زیادی از معیار های آماری در مقالات برای تحلیل های آماری مطابقت سری های زمانی پیش بینی شده و اندازه گیری شده، ارائه شده است . هدف این مطالعه توسعه ی شاخص های جدیدی است که اطلاعات موجود در معیار های مختلف فعلی را شامل شود، و این امکان را ایجاد کند تا به صورتی موثر، کیفیت پیش بینی را ارزیابی کرد. توانایی ها و محدودیت های 24 معیار که قبلا در مقالات ارائه شده است، تا کنون مورد مطالعه قرار گرفته است. کران های بالا و پایین فاصله ی اطمینان نیز به منظور در نظر گرفتن خطای پیش بینی (وزن های نسبی) مورد استفاده قرار گرفته است. نتایج نشان داد که با استفاده از شاخص های عملکردی جدید برای پیش بینی مدل، ما میتوانیم نسبت به تخمین های به دست آمده در مقایسه با معیار های تکی، اطمینان بیشتری داشته باشیم. شاخص های پیشنهاد شده ی جدید برای پیش بینی سیستم های خودکار بسیار ایده آل هستند زیرا دیگر نیازی به تعامل انسانی برای ترکیب اطلاعات از دیگر معیار ها وجود ندارد.
1. مقدمه
استفاده از مدل های ریاضی برای درک، شبیه سازی و پیش بینی رفتار پدیده های محیطی و سیستم ها مورد نیاز است، مانند پدیده کیفیت هوای شهری. ارزیابی این چنین نتایج پیش بینی بدون در نظر گرفتن دامنه ی کاربرد بسیار ضروری میباشد. در تمام ارزیابی ها، پیش بینی ها با مشاهده های مربوطه مقایسه میشود و در این مقایسه از معیار های آماری مختلف استفاده میشود، که معمولا به این معیار ها شاخص گفته میشود که نشان دهنده ی ابعاد مختلف تفاوت ها بین مقادیر پیش بینی شده و مقادیر اندازه گیری شده از پارامتر های مورد نظر میباشد.
Abstract
A large number of statistical measures have been presented in the literature for the statistical analysis of the agreement of the measured and predicted time-series. The goal of this study was to develop new indices that combine the information contained in several existing measures, making it possible to assess more effectively the quality of the forecasting. The capabilities and limitations of 24 measures that have previously been presented in the literature were studied. The upper and lower bounds of the Confidence Interval were used, in order to include forecasting penalties (relative weights). Results show that by using the proposed new forecasting performance indices we can be more confident in the estimation of the forecasting performance than using a single measure. The proposed new indices would be ideal for a forecasting automated system, because no human interaction is needed to combine the information of other measures.
1. INTRODUCTION
The use of mathematical models is essential for understanding, simulating and forecasting the behavior of complex environmental phenomena and systems, like in the case of urban air quality. The evaluation of such forecasting results is necessary regardless of the application domain [1] [2]. In all evaluations, forecasts are compared to relevant observations with the aid of various statistical measures, commonly referred to as indices, which depict various aspects of the differences between forecasted and measured values of the parameters of interest [3] [4] [5] [6].
چکیده
مقدمه
مواد و روش ها
گزینش معیار های آماری
روشی برای ایجاد شاخص های ارزیابی پیش بینی جدید : منطق فازی
ارزیابی عملکرد شاخص های ارزیابی پیش بینی جدید : فاصله اطمینان
جمعیت مدل های پیش بینی
جریمه عملکرد پیش بینی
شاخص های جدید عملکرد پیش بینی
ایجاد سیستم استنتاج فازی
مشخص کردن ورودی و خروجی
قوانین FIS
نتایج و مباحث
جمع بندی
Abstract
INTRODUCTION
MATERIALS AND METHODS
STATISTICAL MEASURES SELECTION
A METHOD FOR COMPILING NEW FORECASTING EVALUATION INDICES: FUZZY LOGIC
EVALUATING THE PERFORMANCE OF THE NEW FORECASTING EVALUATION INDICES: CONFIDENCE INTERVALS
POPULATION OF FORECASTING MODELS
CROSS-VALIDATION
PENALIZE FORECASTING PERFORMANCE
THE NEW FORECASTING PERFORMANCE INDICES
BUILDING OF THE FUZZY INFERENCE SYSTEM
RESULTS AND DISCUSSION
CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه