نشریه بین المللی مهندسی صنایع و مدیریت تولید

در 15 سال اخیر، مدل های متعددی برای پیش بینی با استفاده از سری‌های زمانی فازی توسط محققین ایجاد شده اند. با توجه به ادبیات موضوع می توان دریافت که یکی از مسائل مهم در این مدل ها نحوه ی تعیین بازه ها ی فازی برای تبیین مدل و انجام پیش بینی است،لذا تحقیقات متعددی در این زمینه برای تعیین بازه های مناسب و افزایش دقت مدلهای پیش بینی انجام شده است؛ در این تحقیق مدلی جدید با استفاده از ترکیب الگوریتم تبرید و سری های زمانی فازی جهت پیش بینی داده ها معرفی شده است. و این مدل برروی داده‌های بازار ارز فارکس اجرا شد و در نهایت جهت مقایسه‌ی نتایج مدل ارائه شده و مدل‌های پیشین، مدل را برروی داده‌های پذیرش دانشگاه الاباما که به عنوان مرجع مقایسه ی اینگونه مدل‌ها می باشد تست گردید و نتایج حاصله، بیانگر برتری مدل پیشنهادی نسبت به سایر مدلهای موجود در ادبیات موضوع می باشد

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است و همواره تعیین اندازه و چیدمان بازه های مجموعه های فازی جزو اصلی ترین مسائل تحقیقاتی در این زمینه بوده است. که در این زمینه تحقیقات متنوعی انجام شده است اما نتایج حاصله تا کنون راضی کننده نیست. لذا در این تحقیق با استفاده از الگوریتم شبیه سازی تبرید و سه عملگر جدید طراحی شده سعی در برطرف نمودن ایرادات مطالعات قبلی برای تعیین بازه های مناسب شده است. گفتنی است که در این بخش روش تاگوچی به عنوان ابزاری برای تعیین مقادیر بهینه ی پارامترها و فاکتورهای مدل مورد استفاده قرار گرفته است. به جهت مقایسه، مدل پیشنهادی (SAFTS( را بر داده های دانشگاه آلاباما اجرا نموده که نتایج بدست آمده حاکی از برتری مدل نسبت به مدل های موجود است و در نهایت به عنوان یک مورد کاربردی، مدل پیشنهادی برروی شاخص بازار بورس تهران اجرا شد و نتایج آن تحلیل گردید.