كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / یازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

PRISM-ARIMA: چارچوب پارامتریک بازدارندة دامنه برای تقویت هدفمند سری‌های زمانی با شبیه‌سازی محاسباتی مبتنی بر مونت‌کارلو و ARIMA

نویسندگان :

علی جعفری¹ علی دنیوی² سعید فضایلی³

1- دانشگاه ارومیه 2- دانشگاه ارومیه 3- دانشگاه ارومیه

کلمات کلیدی :

PRISM-ARIMA،تقویت داده،شبیه‌سازی محاسباتی،مونت‌کارلوی پارامتریک،مدل ARIMA،مقیاس‌بندی کمینه - بیشینه

چکیده :

پژوهش حاضر به‌منظور غنی‌سازی هدفمند مجموعه‌داده‌های سری زمانی کم نمونه، چارچوب ترکیبی PRISM-ARIMA را معرفی و ارزیابی می‌کند؛ این چارچوب بر اساس برازش پارامتریک مدل ARIMA، نمونه‌برداری مونت‌کارلوی آگاه از پارامترها و مکانیزم مقیاس‌گذاری حفظ‌کنندة بازة کمینه - بیشینه طراحی شده تا با شبیه‌سازی محاسباتی مسیرهایی با حفظ محدودیت‌های عملی و ویژگی‌های آماری مبدأ تولید شود. روش‌شناسی شامل برازش مدل‌های ARIMA، نمونه‌گیری تصادفی پارامترها برای تولید مجموعة وسیع‌تری از مسیرها و مرحلة پس‌پردازش مقیاس‌گذاری برای جلوگیری از خروج مقادیر تولیدی از دامنه‌های عملی است که در مستندات روش توضیح داده شده است. داده‌ها از منابع بین‌المللی Our World in Data و بانک جهانی برای هفت متغیر کلیدی اقلیمی، انرژی، اقتصادی و صنعتی در بازة سال‌های ۱۹۹۱-۲۰۲۳ گردآوری شدند. برای ارزیابی، مجموعه‌ای از معیارهای کمی شامل آزمون‌های برازش (مثلاً Anderson-Darling و Ljung-Box)، تحلیل اکتشافی داده و مقایسة آماری و ساختاری بین داده‌های مبدأ و نمونه‌های تولیدی به کار رفت که نشان داد تولیدهای PRISM-ARIMA (مجموعاً ۵۰۰۰ نمونه در هر متغیر) خواص آماری، توزیعی و وابستگی‌های زمانی مبدأ را بازتولید کرده و تنوع و قابلیت تعمیم‌پذیری مدل‌های آماری و هوش مصنوعی را به طور معناداری افزایش می‌دهد. این نتایج حاکی از آن است که PRISM-ARIMA ابزار قابل‌اعتماد و کاربردی برای تقویت داده‌های سری زمانی در کاربردهای تحلیلی، پژوهشی و سناریوسازی است.