مشخصات پژوهش

عنوان	دلی ترکیبی مبتنی بر خوشه بندی و شبکه های عصبی بازگشتی برای پیش بینی سری های زمانی
نوع پژوهش	پایان‌نامه
کلیدواژه‌ها	پیش بینی سری های زمانی، شبکه های عصبی بازگشتی، خوشه بندی، شبکه ها ی حافظه بلند- کوتاه مدت، واحد بازگشتی دروازه ای.
چکیده	در این تحقیق، یک مدل ترکیبی مبتنی بر خوشه بندی و شبکه های عصبی بازگشتی برای پیش بینی سری های زمانی معرفی می شود. یکی از چالش های اصلی در پیش بینی سری های زمانی، استفاده از مدل های عمومی برای تمامی سری های زمانی است که ممکن است دقت پیش بینی را کاهش دهد. برای حل این مشکل، این پژوهش به بررسی روش های خوشه بندی برای دسته بندی سری های زمانی مشابه پرداخته و برای هر خوشه مدل پیش بینی جداگانه ای طراحی می کند. در این راستا، از شبکه های عصبی بازگشتی برای مدل سازی دنباله های زمانی استفاده می شود. در این تحقیق، ابتدا ویژگی های هر سری زمانی استخراج شده و سپس با استفاده از الگوریتم های خوشه بندی مانند \lr{K-Means} و \lr{K-Medoids}، سری های زمانی مشابه گروه بندی می شوند. پس از خوشه بندی، برای هر گروه یک مدل پیش بینی جداگانه مبتنی بر شبکه های عصبی بازگشتی طراحی می شود. مدل پیشنهادی بر روی داده های واقعی مصرف برق شهر بوشهر آزمایش شده است که نتایج آن به طور قابل توجهی دقت پیش بینی را نسبت به مدل های تک متغیره سنتی بهبود بخشیده است. این مدل می تواند در حوزه های مختلف پیش بینی سری های زمانی، مانند پیش بینی تقاضا، پیش بینی بازار سهام، و پیش بینی وضعیت سیستم های مختلف کاربرد داشته باشد.
پژوهشگران	مجیب پروهان (دانشجو)، حسین حق بین (استاد راهنما اول)، امین ترابی جهرمی (استاد مشاور)
تاریخ انجام	1404-03-27