روش بهبودیافته کاهش نویز از سری زمانی آشوبناک به کمک شبکه عصبی و تحلیل طیف منفرد

Abstract

در تحقیق حاضر روشی بهبود یافته برای کاهش نویز از سری زمانی حاصل از یک سیستم آشوبناک ارائه شده است. اساس این روش بر مبنای روش کاهش نویز ارائه شده توسط شِریبر و گِرَسبِرگر می‌باشد که دارای عملکردی مناسب و پیچیدگی کمتر نسبت به سایر روش‌های کاهش نویز از اطلاعات آشوبناک است. در اینجا از یک مدل کلی که به کمک شبکه عصبی ایجاد شده است به منظور مدل پیش‌بینی سری زمانی آشوبناک استفاده گردیده است. بر خلاف روش اصلی، استفاده از یک مدل پیش‌بینی کلی با نتایج بهتر در مقایسه با مدل‌های محلی و همچنین بهره گرفتن از روش بازسازی تحلیل طیف منفرد سبب ارائه روشی با دقت بالاتر شده است که در عین حال از مزایای منحصر به فرد روش اصلی نیز برخوردار می‌باشد. این روش بهبود یافته به سری زمانی حاصل از حالت آشوبناک معادلات لورِنز که با نویز گاوسی آغشته شده، اعمال گردیده است. پس از اعمال روش کاهش نویز بهبود یافته، نتایج نهایی، کاهش حدود ۳۳ درصدی مقدار خطای مطلق میانگین را در مقایسه با روش اولیه نشان می‌دهند. همچنین خطای محاسبه بُعد همبستگی پس از اعمال روش بهبود یافته به ۲ درصد کاهش یافته است.