چکیده مقاله
این پژوهش PRISM ARIMA را معرفی و ارزیابی میکند که یک چارچوب ترکیبی برای تقویت هدفمند مجموعه دادههای سری زمانی کم نمونه است این چارچوب شامل برازش پارامتریک مدل ARIMA، نمونه برداری مونت کارلوی آگاه از پارامترها و مکانیزم مقیاس گذاری حفظ کننده بازه کمینه بیشینه طراحی شده تا مسیرهایی با حفظ محدودیتهای عملی و ویژگیهای آماری مبدا تولید شود دادهها از منابع بین المللی Our World in Data و بانک جهانی برای هفت متغیر کلیدی اقلیمی، انرژی، اقتصادی و صنعتی در بازه سالهای ۱۹۹۱ ۲۰۲۳ گردآوری شدند نتایج نشان داد که PRISM ARIMA موفق به بازتولید خصوصیات آماری، آماری و وابستگیهای زمانی سری اصلی می شود و تنوع و قابلیت تعمیم پذیری مدلهای آماری و هوش مصنوعی را به طور قابل توجهی افزایش می دهد
کلیدواژهها
نویسندگان
علی جعفری
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه ارومیه
علی دنیوی
دانشیار گروه مهندسی صنایع، دانشگاه ارومیه
سعید فضایلی
استادیار گروه مهندسی صنایع، دانشگاه ارومیه
شیوه ارجاع
�عفری، علی و دنیوی، علی و فضایلی، سعید،1404،PRISM-ARIMA: چارچوب پارامتریک بازدارنده دامنه برای تقویت هدفمند سریهای زمانی با شبیه سازی محاسباتی مبتنی بر مونت کارلو و ARIMA،یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد
ارائهشده در
مجموعه مقالات یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها2 مهر 1404 · مشهد