Une étude de la modélisation et comparative entre de neurones artificiels, Algorithmes génétiques et Box-Jenkins en prévision de série chronologique chaotique
Loading...
Date
2020-03-12
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Résumé (Français et/ou Anglais) :
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.
Summary
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.
Description
Doctorat en Sciences
