Prédiction de séries temporelles par le paramétrage d'un modèle arima avec des essaims particulaires

Abstract

La prévision est de nos jours d'une importance primordiale tant pour des raisons économique qu'environnementales. des outils de prédictions peuvent assurer une connaissance a priori sur la quantité d'énergie requise à la production . ces outils se basent sur des approches reconnues dans le domaine de l'analyse des séries temporelles pour prédire les valeurs antérieurs de cette dernière. avec l'évolution de l'informatique et l'introduction de plusieurs approches intelligentes, les essaims particulaires ont marqué leur puissance en termes d'approximation de fonction et de classification dans ce travail, nous démontrons que l'utilisation des essaims particulaires pour effectuer une recherche dans l'espace paramétrique du modèle ARIMApermettait d'obtenir des modèles qui approximent et prédisent correctement une série temporelle dans un temps acceptable.