Increasing The Credibility Of Forecasting Random Time Series Based On Fuzzy Inference Algorithms

Djumanov Olimjon Israilovich, Kholmonov Sunatillo Makhmudovich, Yuldoshev Farrukh Uktomovich

Abstract


Methods for the identification of linear, nonlinear dependencies help models of fuzzy logic and neural network (NN), data preprocessing, design of a computational training scheme for a five-layer neuro fuzzy network (NFN) are proposed. A software and algorithmic complex has been implemented, including modules for computational circuits of the NFN, parametric and structural identification. The effectiveness of methods for forecasting random time series is shown using the example of numerical results.


Keywords


Random Time Series, Forecast, Fuzzy Model, Database, Knowledge Base, Neuro-Fuzzy Network, Identification, Optimization

Full Text:

PDF

References


Хайкин С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. – М.: Издательский дом «Вильямс», 2006. 1104 с.

Ярушкина Н.Г. Основы нечетких и гибридных систем: Учебное пособие. – М.:Финансы и статистика. 2004. 320 с.

Егупов Н.Д. Методы робастного, нейро-нечеткого и адаптивного управления. - М.: Изд-во МГТУ им. Баумана, 2002. - 744 c.

Жуманов И.И., Исроилов Н.О. Метод адаптивного контроля достоверности технологических параметров на основе нейро-нечеткой сети // Республиканская научно-техническая конференция «Перспективы развития информационных технологий и телекоммуникационных систем», ТУИТ, часть 1. – Ташкент, 2014. – с. 293-295

Жуманов И.И., Бекмуродов З.Т., Жумаёзов У.З. Оптимизация извлечения скрытых свойств и обработки данных нестационарных объектов на основе нечетких генетических алгоритмов // «Химическая технология. Контроль и управление», ТГТУ. - Ташкент, 2018. - № 1-2 (79-80). - с.125-131.

Жуманов И.И., Бекмуродов З.Т., Каюмова Н.М. Повышение достоверности обработки данных на основе нечеткой модели идентификации случайных временных процессов // Научно-методический журнал «Наука, техника и образование», Изд-во «Проблемы науки», Москва. №3(44), 2018. – с. 26-29.

Жуманов И.И., Бекмуродов З.Т., Прогнозирование нестационарных процессов на основе настройки параметров нечетких множеств генетическими операторами // «Илмий тадқиқотлар ахборотномаси» илмий-назарий, услубий журнал. – Самарқанд: СамДУ. - №3, 2014. – с. 48-55.

Жуманов И.И., Ахатов А.Р., Каршиев Х.Б. Оптимизация достоверности информации многомодульных систем управления на основе адаптивной нейро-нечеткой сети // XXVIII-XXIX Международная научно-практическая конференция «Научная дискуссия: вопросы технических наук», г. Москва, декабрь 2014 г.- c.47-53.

Жуманов И.И., Холмонов С.М. Нейронечеткая система контроля точности сигналов при управлении нестационарными объектами // «Илмий тадқиқотлар ахборотномаси» илмий-назарий, услубий журнал. – Самарқанд: СамДУ, 2012. - №3 (73) – 40-46 б.

Borgelt Ch. Neuro-Fuzzy-Systeme: von den Grundlagen kuenslicher Neuronaler Netze zur Kopplung mit Fuzzy- Systemen / Wiesbaden: Vieweg, 2003. - 434 p.

Nelles O. Nonlinear system identification with local linear neuro-fuzzy models / Aachen: Shaker, 1999. - 179 p.

Jumanov, I.I and Bekmurodov, Z.T. Methods of optimizing data processing based on fuzzy correction of time series elements and variable identification models // Chemical Technology, Control and Management: Vol. 2018 : Iss. 2 , Article 15. DOI: https://doi.org/10.34920/2018.3.78-84




DOI: http://dx.doi.org/10.52155/ijpsat.v26.1.2971

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Djumanov Olimjon Israilovich, Kholmonov Sunatillo Makhmudovich, Yuldoshev Farrukh Uktomovich

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.