مدلسازی و پیش بینی سری زمانی آشوبگونه با استفاده از بازسازیفضای فاز و شبکه عصبی تاخیر زمانی

از آنجا که رفتارهای غیرخطی سیستم های پویا منجر به پیچیدگی و در نهایت بی نظمی می شود، تجزیه و تحلیل این سیستم ها با روشهای معمول و بدون توجه به خواص ذات سیستم اثربخش نبوده و ضرورت استفاده از روشهای مطلوبامی طلبد. در چند دههٔ گذشته تلاشهایی توسط محققان برای تجزیه و تحلیل این سیستمها با استفاده از بازسازی فاز صورت گرفته است. بازسازی فضای فاز سری زمانی بر اساس قضیه محاط تاکنز ، مبتنی بر انتخاب مناسب دو mailto:osk سیستمهابارو ضرورتاستقاد نوسطمحققا ز صورت گرقت ها نفس انتخاب مثال زمان تأخیر T و بعد محاط III (به عنوان حداقل بعد بازسازی برای توصیف سیستم های دینامیکی) می باشد. در ویعد محاط این پژوهش سعی شده تاثیر پارامترهای فضای فاز (زمان تأخیر و بعد محاط) بر مدلسازی و پیش بینی سری های آشوبی مکی گلاس با شرایط اولیه متفاوت، به عنوان معیاری معروف از سیستم های دینامیکی و غیر خطی با رفتار آشوبی، مورد مطالعه قرار گیرد. مدل (شبکه پیش بینی کننده) مورد استفاده در این پژوهش، شبکه عصبی تاخیر زمانی و آموزش آن به پس انتشار خطا با الگوریتم لونبرگ مارکوارت می باشد. به منظور داشتن معیاری برای مقایسه از جذر متوسط خطا، روش میانگین خطا، انحراف معیار خطا و ضریب همبستگی استفاده شده است. در نهایت بررسی و ارزیابی نتایج نشان دهنده تاثیر مقادیر بهینه پارامترهای بازسازی فضای فاز در افزایش دقت پیش بینی سری های آشوبی می باشد.