Une étude de la modélisation et comparative entre Réseau de neurones artificiels, Algorithmes génétiques et Box-Jenkins en prévision de série chronologique chaotique

Abstract

أصبح التنبؤ بالسلوك المستقبلي للسلسلة الزمنية الفوضوية على مدى العقد الماضي موضوعًا مهمًا في الإحصائيات. في هذه الرسالة ، نحن مهتمون بتطبيق الشبكات العصبية الاصطناعية والخوارزميات الجينية لتقدير معلمات السلسلة الزمنية الفوضوية المحاكاة (نموذج الخريطة اللوجستية) ، من أجل تأكيد فعالية هذه آليات جديدة ، مثل طريقة Box - Jenkins ، ثم قارن النتائج التي تم الحصول عليها---------------------------------Prédire le comportement futur des séries chronologiques chaotiques au cours de la dernière décennie est devenu un sujet important en statistique. Dans cette thèse, nous intéressons à l’application de réseaux de neurones artificiels et d’algorithmes génétiques pour estimer les paramètres de la série chronologique chaotique simulée ( Modèle de carte logistique), afin de confirmer l’efficacité de ces nouveaux mécanismes, ainsi la méthode Box - Jenkins, Comparez ensuite les résultats obtenus. ---------------------------------------Predicting the future behavior of chaotic time series in the last decade has become an important subject in statistical science. In this thesis, we are interested in the application of artificial neural networks and genetic algorithms to estimate the parameters of the chaos time series simulated (Logistics Map Template), to confirm the effectiveness of these new mechanisms, as well as the method Box ; Jenkins then compare the results obtained.