fa مقایسه‌ی مدل سری زمانی فازی درصدی و مدل سری زمانی کلاسیک: بررسی توان پیش‌بینی کوتاه‌مدت در نوسان‌های شدید تخصصي Special كاربردي Applicable <span style="font-family:yas;"><span style="font-size:11.0pt;">مدل‌‌های پیش‌بینی سری زمانی فازی در دهه‌های اخیر گسترش زیادی پیدا کرده‌&rlm;اند. این نوع مدل&rlm;‌ها برای داده‌&rlm;های دارای ابهام و ناکامل که ساختار خطی ندارند رفتار مناسبی ارایه داده‌&rlm;اند. این مقاله به بررسی مدل درصد تغییرات سری‌های فازی پرداخته و با مدل آریما مقایسه کرده است. کارایی مدل پیش‌نهادی برای پیش‌بینی بر روی نفت خام اوپک مورد ارزیابی قرار گرفت و نشان داده شد که این مدل برای داده‌های با نوسان‌های زیاد نسبت به مدل آریما دارای درصد خطای کم‌تری است.</span></span><br> &nbsp; Fuzzy time series prediction models have been expanding in recent decades. These models provide decent behavior for unambiguous and incomplete data that do not have a linear structure. This paper examines the fuzzy percentage change model and compared to Arima&#39;s model. The efficiency of the proposed model for forecasting OPEC crude oil was evaluated and it was shown that this model has a lower error rate for data with high volatility.<br> &nbsp; درصد تغییرات, سری زمانی, فازی, مدل آریما. Percent changes, time series, fuzzy, ARIMA model. 73 87 http://ijoss.srtc.ac.ir/browse.php?a_code=A-10-109-2&slc_lang=fa&sid=1 Mehrdad Eslami مهرداد اسلامی m.eslami@velayat.ac.ir 1003194753284600587 1003194753284600587 No Fatemeh Hassantabar Darzi فاطمه حسن‌تبار درزی hasantabar_f@math.usb.ac.ir 1003194753284600588 1003194753284600588 Yes