کاربرد مد ل آمیخته ARIMA-SVM در پیش بینی کوتاه مدت قیمت نفت

در گذشته مدلهای خطی ARIMA مدلهای اتورگرسیو تلفیق شده با میانگین متحرک بطور گسترده ای در پیش بینی سریهای زمانی مورد استفاده قرار می گرفتند. اما این مدلها توانایی مدل بندی الگوهای غیرخطی را ندارند از آنجایی که اغلب سریهای زمانی دنیای واقعی مانند : قیمت نفت، قیمت سهام، نرخ تورم و ... رفتار پیچیده ای دارند و اغلب غیرخطی هستند استفاده ازمدلهای خطی به تنهایی نمی تواند در مدلبندی توام الگوهای خطی و غیرخطی اینگونه داده ها مفید باشد در سالهای اخیر یکی از تکنیکهای جدید داده کاوی با نام ماشین بردار پشتیبان SVM کاربرد موفقیت امیزی در حل مسائل رده بندی، رگرسیون و به ویژه پیش بینی سریهای زمانی داشته است. این روش با استفاده از یک تابع هسته مناسب و نگاشت داده ها به یک فضای با بعد بالاتر قادر به براورد مدلهای غیرخطی می باشد. دراین مقاله ازیک مدل امیخته ARIMA-SVM در پیش بینی سریهای زمانی استفاده می کنیم. این مدل امیخته شامل یک مولفه خطی و یک مولفه غیرخطی است