fa مدل‌سازی اتورگرسیو داده‌های نادقیق بر اساس ماشین بردار پشتیبان آمار فازی Fuzzy Statistics پژوهشی بنیادی Research در تحلیل سری‌های زمانی ممکن است با وضعیت‌هایی روبرو شده باشیم که در آن برخی از ارکان مدل، کمیت‌های نادقیق باشند. یکی از متداول‌ترین این وضعیت‌ها، نادقیق بودن مشاهدات تحت بررسی است که معمولا در اثر خطای اندازه گیری یا اشتباهات انسانی رخ می‌دهد. در این مقاله، یک مدل جدید سری‌زمانی اتو رگرسیو فازی مبتنی بر رویکرد ماشین بردار پشتیبان پیشنهاد می‌شود. برای این منظور، از تابع هسته برای استواری و انعطاف مدل و از قیود لحاظ شده در مدل برای کنترل نقاط استفاده شده است. به‌ منظور بررسی عملکرد و اثر بخشی مدل سری‌زمانی اتو رگرسیو فازی پیشنهادی، برخی معیارهای نیکویی برازش استفاده می‌شوند. نتایج به‌دست ‌آمده بر اساس یک مثال از داده‌های سری‌زمانی فازی شبیه‌سازی شده و دو مثال واقعی، نشان داد که روش پیشنهادی در مقایسه با سایر روش‌های موجود دارای عملکرد بهتری بوده است. In the time series analysis, we may encounter situations where some elements of the model are imprecise quantities. One of the most common situations is the inaccuracy of the underlying observations, usually due to measurement or human errors. In this paper, a new fuzzy autoregressive time series model based on the support vector machine approach is proposed. For this purpose, the kernel function has been used for the stability and flexibility of the model, and the constraints included in the model have been used to control the points. In order to examine the performance and effectiveness of the proposed fuzzy autoregressive time series model, some goodness of fit criteria are used. The results were based on one example of simulated fuzzy time series data and two real examples, which showed that the proposed method performed better than other existing methods. عدد فازی, ماشین بردار پشتیبان, تابع هسته, تابع لاگرانژ Autoregressive model, Fuzzy number, Kernel function, Lagrange function, Support vector machine. 97 115 http://jss.irstat.ir/browse.php?a_code=A-10-938-2&slc_lang=fa&sid=1 Elham Ranjbar الهام رنجبر e.ranjbar@birjand.ac.ir 2550023145 0009-0009-9642-6770 No دانشگاه بیرجند Mohamad Ghasem Akbari محمد قاسم اکبری g_z_akbari@birjand.ac.ir 0651844789 10031947532846008749 Yes دانشگاه بیرجند Reza Zarei رضا زارعی rezazarei.r@gmail.com 3341305971 10031947532846008750 No دانشگاه گیلان