وجود الگوهای متنوع برای مدل‌سازی و پیش‌بینی سری‌های زمانی، باعث می‌شود انتخاب ساختار و تحلیل این گونه مدل‌ها با سعی و خطا، صرف زمان زیاد و مبتنی بر نظر افراد خبره انجام شود. با توجه به ماهیت شرطی رویه‌های شناسایی مدل پیش‌بینی سری‌های زمانی، در این مقاله سعی می‌شود با ایجاد تعدادی موتور جستجو، تکنیک تجزیه و تحلیل مشخص شود و در مرحله بعد، با فرض معین بودن تکنیک مناسب، پایگاه دانش به گونه‌ای توسعه داده شود که در نهایت امکان نسبت دادن مدل مناسب به داده‌های در دست مطالعه، فراهم شود. پس از تعیین نوع روش، میزان برازش مدل مورد نظر بر داده‌های تاریخی به وسیله شاخص‌های مناسب اندازه‌گیری می‌شود. در صورت مناسب بودن این شاخص‌ها، با به کارگیری مدل انتخاب‌شده، پیش‌بینی دوره‌های بعدی به دست آمده و می‌توان تناسب مدل پیش‌بینی را سنجید. سپس با تکرار این فرآیند و تغییر پاسخ سؤالات در مراحلی که حالت قطعی برای جواب وجود ندارد، به تعداد کافی مدل انتخاب کرده و از بین آنها برترین مدل بر‌گزیده می‌شود. در انتها، پیاده‌سازی سیستم خبره و اجرای مدل روی داده‌های نمونه به صورت مطالعه موردی، کارآیی و اعتبار روش پیشنهادی را تأیید می‌کند.
ابتدای صفحه