سیستم استنتاج عصبی - فازی تطبیقی خودبازخورد آموزش‌یافته با الگوریتم رقابت استعماری برای پیش‌بینی سری‌های زمانی آشوبناک

پیش‌بینی سری‌های زمانی، مخصوصاً سری‌های زمانی آشوبیِ سیستم‌های پویای غیر‌خطی، یکی از زمینه‌های مهم تحقیقاتی است و کاربرد زیادی در زمینه‌های گوناگون دارد. از میان روش‌های معرفی‌شده برای پیش‌بینی سری‌های زمانی آشوبناک، به استفاده از شبکه‌های عصبی و سیستم‌های فازی بیشتر توجه شده است. در این مقاله، سیستم استنتاج عصبی - فازی تطبیقیِ بهبودیافته، برای پیش‌بینی سری‌های زمانی آشوبناک پیشنهاد شده است. با توجه به اینکه ساختار سیستم استنتاج عصبی -فازی تطبیقی براساس یک شبکه پیشرو است، بیشتر به مسائل ایستا محدود بوده است و توانایی مواجهه مؤثر با ویژگی‌های پویا مانند سری‌های زمانی را ندارد. برای غلبه بر این مشکل، در این مقاله برای مدل‌سازی وابستگی‌های زمانی این سیستم، از ارتباط خودبازخورد خروجی مراحل قبلی استفاده شده است. همچنین از ترکیب الگوریتم بهینه‌سازی رقابت استعماری ICA، همراه با تخمین حداقل مربعات LSE، برای آموزش سیستم عصبی - فازی و به‌روزرسانی پارامترهای آن استفاده شده است که این روش، مشکلات آموزشِ الگوریتم‌هایِ بر پایه گرادیان را ندارد. این روش برای پیش‌بینی و مدل‌سازی چند سری زمانی غیر‌خطی و آشوبناک جهان واقعی استفاده شده است. تجزیه و تحلیل نتایج و مقایسه آن با کارهای اخیر، نشان‌دهندۀ عملکرد بهتر روش پیشنهادی نسبت به روش‌های قبلی، از نظر معیار خطای کل پیش‌بینی برای مدل‌سازی و پیش‌بینی سری‌های زمانی هستند.