سری‌های زمانی در زمینه‌های مختلف به خصوص پیش‌بینی عرضه و تقاضا و موفقیت مدل‌های کسب و کار اهمیت بسیاری یافته‌اند. وجود الگوهای متنوع برای مدلسازی و پیش بینی سری‌های زمانی باعث می‌شود تا انتخاب ساختار و تحلیل اینگونه مدل‌ها با سعی و خطا،صرف زمان زیاد و مبتنی بر نظر افراد خبره انجام شود. با توجه به ماهیت شرطی رویه‌هایشناسایی مدل پیش‌بینی سری‌های زمانی، در این مقاله سعی می‌شود با ایجاد تعدادیموتور جستجو، تکنیک تجزیه و تحلیل مشخص شود و در مرحله بعد، با فرض معین بودن تکنیک مناسب، پایگاه دانش به گونه‌ایتوسعه داده شود که در نهایت امکان نسبت دادن مدل مناسب به داده‌های در دست مطالعه فراهم گردد. پس از تعیین نوع روش، میزان برازش مدل مورد نظر بر داده‌های تاریخی به بوسیله شاخص‌های مناسب اندازه‌گیری می‌شود. در صورت مناسب بودن این شاخص‌ها، با بکارگیری مدل انتخاب شده، پیش‌بینی دوره‌های آتی به دست آمده و می‌توان تناسب مدل پیش‌بینی را سنجید. سپس با تکرار این فرآیند و تغییر پاسخ سوالات در مراحلی که حالت قطعی برای جواب وجود ندارد، به تعداد کافی، مدل انتخاب نموده و از بین آنها برترین مدل بر‌گزیده می‌شود. در انتها،پیاده‌سازی سیستم خبره و اجرای مدل برروی داده‌های نمونه به صورت مطالعه موردی،کارایی واعتبار روش پیشنهادی را تاییدمی‌کند.

کلمات کلیدی