پروژه ایی با توجیه اقتصادی بالا
 

با سلام خدمت دوستان

مساله:
دنباله اعداد زیر را داریم،نیاز ما پیش بینی عدد بعدیست.
فایل زیر شامل دو ستون است که قدر مطلق ستون اول فاصله 5 دقیقه تا اتفاق بعدی ست و در ستون دوم تفاوت در حرکت تا پدیده بعدیست.
یعنی اگر در سطر سوم 0.20 -150 باشد به این معناست که از پدیده قبل تا این پدیده 150*5 دقیقه طول کشیده است. و حرکت 0.20 داشته ایم
هیچ رابطه ریاضی را بین دو عدد یک سطر نیافته ایم.
برای سادگی هر سطر را یک اتفاق در نظر بگیرد که شامل X ,y است
زمانی شکست در پیش بینی یک سطر رخ می دهد که 15% پیش بینی ستون دوم با عدد واقعی اختلاف داشته باشد
مثال واضح:
اعداد ابتدایی در فایل به این شکلند:

0.81 -122
0.32 33
0.93 -94
1.06 95
1.33 -151
1.09 164
0.87 -72
0.37 52
0.84 -92
1.14 84
1.06 -132
1.47 172
0.69 -33
0.59 64
2.18 -342
0.63 150
0.51 -8
-----------

حال شبکه باید سطر بعدی را پیش بینی کند.
برای ما اگر زمان تا حرکت بعدی پیش بینی شد(یعنی ستون اول) کافیست.
اگر ستون دوم پیش بینی شد باز کافیست.
سطر واقعی مطابق فایل برابر است با:
0.75 228

اگر شبکه عدد 0.75 را پیش بینی کند یا 228 را،کافیست
(بنابراین لزوما نباید کل سطر را پیش بینی کند)
مطابق تعریف شکست در پیش بینی ،اگر ستون دوم را 220 پیش بینی کرد صبر می کنیم تا مقدار حرکت را مشاهده کنیم، و عدد مربوط به مقدار حرکت را در ستون دوم قرار می دهیم اگر اختلافش کمتر 15 درصد مقدار واقعی بود پیروزی بدست می آید. اما اگر بیشتر بود شکست محسوب میگردد لذا یک پیشنهاد برای ساده تر کردن اینست که سعی در پیش بینی ستون دوم بکنیم و ستون اول را هم بدلیل داشتن سیگما بزرگ و هم بدلیل تعریف شکست کلا نادیده بگیرم

حال اگر ستون دوم را بخواهیم پیش بینی کنیم و بجای عدد 0.75 عدد 0.80 را پیش بینی کنیم یک پیروزی ثبت می شود. اگر 1.5 پیش بینی کنیم یک شکست ثبت می شود اگر 3 نیز پیش بنی کنیم باز شکست محسوب می شود یعنی حالت شکست یا پیروزی داریم:
شکست: 15درصد مقدار واقعی <|مقدار پیش بینی- مقدار واقعی|
و پیروزی بالعکس.

زمانی شبکه صحیح کار می کند که پیروزی اش بیشتر از 70 درصد باشد و شکست پشت سر هم بیش از 5 بار نداشته باشد و تعداد شکست ها در یک مدت زیاد نباشد(شبکه در آن محدوده دائما دچار اشتباه نشود).
----------------------------------------------------------------
توجیه اقتصادی پروژه:
در صورت طراحی شبکه به شرایط ذکر شده سه ماه نخست 3 هزار دلار سه ماه دوم 6 هزار دلار سه ماه سوم 9 هزار دلار و ...(تا زمانی که شبکه قادر به پیش بینی ست این روند ادامه می یابد )برای طراح پرداخت میگردد
----------------------------------------------------------------

فایل
منتظر نظرات و پیشنهادات دوستان هستم./

اگر دوستان اعلام آمادگی کنند من فایل شامل اعداد را ارسال کنم.

همچنان منتظرم

دوست عزيز، سلام!
تا جايي كه من برداشت كردم شما يك سيستم پيشبيني ارزش سهام مي خوايد. در Forex هم از شبكه هاي عصبي جهت بعضي پيشبيني ها استفاده مي كنن اما خوب هيچ وقت با اون درصد خطايي كه شما گفتيد نمي تونن عمل كنن چون اين مقادير به خيلي چيز ها بستگي دارند كه شبيه سازي اون خيلي كار آساني نيست.
تعيين ورودي ها و خروجي ها خيلي مؤثر هست و معمولاً چندين پارامتر رو بصورت ورودي مي دهند و با يك پارامتر پيشبيني كار خيلي علمي نخواهد شد.
خوشحال مي شيم فايل رو بصورت Attach در همينجا قرار بديد...

با عرض سلام
احتمالا شما حقیر را می شناسید
علی ای حال بنده اعتقاد قلبی دارم که بهترین راه پیش بینی این سری ها الگوریتم ژنتیک است.
گرچه در این مورد اطلاعات زیادی ندارم ولی بزرگانی که در این زمینه ها فعالیت کرده اند در این موضوع متفق القولند.
فردا فایل را انشاالله پیوست میکنم

دوست خوب،
خود الگوریتم ژنتیک یک الگوریتم بهینه سازی هست و به خودی خود برای پیش بینی استفاده نمی شود. اما با استفاده از الگوریتم ژنتیک می توانیم پارامتر های یک تابع خاص رو برای افتادن روی یک سری نقطه با کمترین خطا (یا لا اقل نزدیک به کمترین خطا) بدست بیاوریم.
مثلاً اگر در یک سری زمانی نقاطی از یک روند سینوسی پیروی می کنن می تونیم ضریب متغیر داخل سینوس و اختلاف فاز و ضریب خود سینوس رو به نحوی بدست بیاریم تا کمترین خطا رو داشته باشه.
از الگوریتم ژنتیک می تونیم جهت تعیین وزن های یک شبکه ی عصبی و پارامتر های دیگر اون جهت پیشبینی هم استفاده کنیم.

با قرار دادن فایل این سری خیلی بهتر می شه در ارتباط با این موضوع نظر داد که چه راهی ممکن هست کارا باشه...

فایل
 

با عرض سلام
فایل الحاق گردید.
اگر از دوستان فایل رو با فرمت دیگری می خواهد اطلاع دهد.
هر سطر شامل دو عدد است.یکی در میان می توان منفی مثبت در نظر گرفت(ستون اول اینگونه است) که از قبل این را می دانیم و می توان کلا مثبت در نظر گرفت و پس از پیش بینی یک در میان میان منفی مثبت کرد.
کافیست یک ستون را (که به نظر ستون دوم مناسب تر باشد) پیش بینی کنید.
با تشکر

خوب اينجا چند تا سوال پيش مياد...

اول اينكه يكي از اين ستون ها آيا براي ما معلوم هست؟ اگر هست كدام يكي؟
دوم اينكه آيا اين يك سري زماني هست؟ يعني آيا ترتيب اين اعداد مهم هست و مثلاً يك رديف به مقادير 10 رديف قبل وابسته هست؟
سوم اينكه آيا اين ها زوج هستند، يعني مقدار ستون دوم به ستون اول در همون رديف بستگي داره؟ (يا مثلاً ستون دوم به ستون اول اما 3 رديف قبلش بستگي داره؟)
اگر سري زماني هست آيا دوره داره؟ مثلاً اطلاعات هواشناسي ماهانه دوره ي 12 دارند يعني هر داده با داده ي 12 ماه پيشش تقريباً نزديك هست...

در كل اگر بگيد اين اعداد مربوط به چه چيزي هستند و هر ستون چه مقداري رو مشخص مي كنه پيشبيني خيلي بهتر مي تونه باشه...

اگر دو ستون رو كنار هم رسم كنيم (البته در دو محور مختلف) رابطه ي خيلي معقولي بصورت مستقل ديده نميشه بين اين دو متغير. البته اگر همينطوري سطحي نگاه كنيم معمولاً جاهايي كه نمودار قرمز شديد پايين اومده خط آبي رفته بالا كه البته فقط يك حدس هست...
يك بخش از نمودار رو در فايل ضميمه قرار دادم...

این اعداد سری نیستند.
دو عددند که رابطه ریاضی مشخصی باهم ندارند
کاری که میخواهیم انجام دهیم پیش بینی یکی از اعداد سطر بعدیست
حال هر کدام
اگر یکی از اعداد پیش بینی شود کار تمام است.
ستون اول مقدار حدودی زمان تا پدیده بعدی ست ستون دوم تفاوت حرکت تا پدیده دوم
(الان متوجه شدم مقدار دقیق زمان تا پدیده دوم را می توانم حساب کنم فردا فایل آنرا ارسال می کنم ولی الان ستون اول مقدار حدودیدقیقه -با حدود5 دقیقه اختلاف - تا پدیده دوم است)
اگر ما یکی از این دو را بدانیم مسئله حل است
در فایل بالایی ستون اول به دقیقه تا پدیده بعدی بود (به صورت حدودی)
فایل زیر نیز می توان استفاده کرد که کاملا دقیق است اما ستون اول به 5 دقیقه است تا پدیده بعدی(و دقیق؛این پدیده با آن یکی تفاوت دارد.)
یک مثال:
دو ستون آخر فایل زیر به این شرحند:
ستون1 ستون 2
-100 1.31

110 1.64

ما قصد داریم یکی از دو عدد سطر بعدی را پیش بینی کنیم

مثلا پیش بینی می کنم ستون دوم 1.2 خواهد شد.
این پیش بینی اگر صحیح باشد کافیست.

راستش من متوجه نشدم!
مي توني يك سري رو نشون بدي و بعد اونايي كه بايد پيشبيني بشن رو به جاشون ؟ قرار بدي و يك حدس معقول هم به جاي اون ؟ ها بياري؟