پایگاه علمی سعید سان دانلود رایگان مقالات علمی کنفرانس و ژورنال
دانلود مقاله و پاورپوینت کارشناسی ارشد سریهای زمانی
سریهای زمانی
- مقدمه
- مقیاس های اندازه گیری تشابه در سری های زمانی
2.1. ( فاصله اقلیدسی ونرم Lp) Euclidean Distances and Lp Norms
2.2. ( تبدیلات نرمال ) Normalization Transformations
2.3. (تبدیلات عمومی) General Transformations
2.4. Dynamic Time Warping
2.5. Longest Common Subsequence Similarity
- تکنیک های شاخص یابی برای سریها ی زمانی
3.1. شاخص یابی سریهای زمانی با تابع فاصله متریک
3.1.1. به کارگیری کاهش بعد
3.1.2. تحقیق درباره تکنیک های کاهش بعد
3.1.2.1. تجزیه ارزش منفرد ) (Singular Value Decomposition
3.1.2.2. تبدیلات گسسته فوریه (Fourier and Discrete Cosine Transform )
3.1.2.3. تجزیه Wavelet Decomposition) Wavelet
3.1.2.4. Line Segment Approximation
3.1.2.5. Random Projection
3.1.2.6. Multidimensional Scaling
3.1.2.7. Isomap and LLE
3.1.2.8. FastMap
3.1.3. مباحث تکمیلی
3.2. تشابه سریهای زمانی بازگشتی وقتی تابع متریک نباشد
- استفاده از الگوریتم ژنتیک برای شناسایی الگوهای موقتکه نشان دهنده وقایع سریهای زمانی هستند
1- مقدمه
سریهای زمانی در زمینه های گوناگون پیش می آ ید. ما در کشاورزی، مقدار محصول وقیمتهای سالانه غله را مشاهده می کنیم. در بازرگانی واقتصاد، قیمتهای موجود در پایان روز، نرخهای بهره هفتگی، شاخص قیمتهای ماهانه، فروش سه ماهه و درآمدهای سالانه را ملاحظه می نماییم. در مهندسی، صدا، علا یم الکتریکی وولتاژ را مشاهده می کنیم. در ژ ئو فیزیک، تلا طمهایی نظیر موجهای اقیانوس واغتشا ش زمین در ناحیه ای را ثبت می کنیم. در مطا لعات پزشکی، ردهای الکتروانسفاوگرام (EEG) وا لکتروکاردیوگرام (EKG) را اندازه گیری می نماییم. در هوا شناسی، بسرعت باد در ساعت، درجه حرارت روزانه، ومیزان باران سالانه را مشاهده می کنیم . در کنترل کیفیت فرآیند ی را با توجه به یک مقدار هدف معین مشخص می کنیم. در علوم اجتماعی، میزان زاد وولد سالانه، نرخهای مرگ ومیر، تصادفات وجنایتهای گوناگون را مورد مطالعه قرا می دهیم . فهرست زمینه هایی که در آن ، سریهای زمانی مشاهده ومطاله می شود، بی پایان است.
یک سری زمانی ، نظیر علائم الکتریکی وولتاژ که بطور پیوسته در زمان ثبت می شوند یک سری پیوسته است . یک سری زمانی ، مانند نرخهای بهره ، وحجم فروش راکه فقط در فواصل زمانی مشخص در نظر گرفته می شوند ، گسسته می گویند . ما منحصرا با سریهای زمانی گسسته که در فواصل مساوی مشاهده می شوند ، سروکارداریم .
دلیل این کار این است که حتی سریهای زمانی پیوسته ، فقط مقادیر رقمی شده را در فواصل گسسته ، برای محاسبات فراهم می کند .
برای مطالعه سریهای زمانی ، اهداف مختلفی وجود دارد ، که این اهداف ، د رک وبیان مکانیسم تولیدی ، وپیش بینی مقادیر آ ینده وکنترل بهین یک سیستم را شامل می شود . طبیعت ذاتی یک سری زمانی وابسته یا همبسته بودن مشاهدات آن است ، وبنا براین ، ترتیب مشاهدات دارایی اهمیت است لذا روش ها وفنون آماری که مبتنی بر فرض مستقل بودن است ، دیگر کاربرد ندارد . وروشهای متفاوتی مورد نیاز هستند . به پیکره اسلوب شناسی آماری موجو د برای تحلیل سریهای زمانی ، تحلیل سریهای زمانی اطلاق می شود .
شکل ا ، چهار سری زمانی را نشان می دهد ، خصوصیات بسیار متمایز دیگری را نیز آشکار می سا زد . به نظر می رسد که متوسط تعداد نقایص روزانه پیدا شده در هرکامیون ، در پایان خط تولید کارخانه تولید کامیون که در شکل 1- ( الف ) نشان داده شده است در حول سطح ثابتی ، تغییر می کند . سریهای زمانی که این پدیده را نشان می دهند ، ایستا در میانگین نامیده وحا لتهای ویژه سریهای زمانی ایستا هستند . تولید سالانه تنباکوی ایالات متحده که در شکل 1-(ب) نشان داده شده است در حول سطح ثابتی تغییر نمی کند ، و درعوض یک روند روبه بالا را ، درکل ، نشان می دهد ، علاوه براین ، واریانس این سری تنباکو ، با اضافه شدن سطح سری ، افزایش می یابد سریهای زمانی که این پدیده نرا نشان می دهند ، نا ایستا در میانگین وواریانس گفته می شوند ، ومثالهایی ا ز سریهای زمانی ناایستا هستند . تولید سه ماهه آ بجو U.S در شکل1- ( پ) طرح خاص دیگری را نشان می دهد که به واسطه تغییرات فصلی طبیعتی تکراری دارد . سریهای زمانی که تعییرات فصلی ب را در بر می گیرند،سریهای زمانی فصلی می نامند. سریهای زمانی نا ایستا را مانند َآنها یی که در شکل های ( ب ) و (پ ) نشان داده شده اند ، می توان با تبدیلات مناسبی به سری ایستا تبدیل نمود.