---

مدل‌بندی و برآوردی کارا از تابع روند در برآورد تغییرنگار و پیش‌گویی داده‌های فضایی از اهمیت بالایی برخوردار است. در این مقاله برای مدل‌بندی تابع روند از روش رگرسیون بردار پشتیبان استفاده شده است. سپس داده‌ها روندزدایی شده و برآورد تغییرنگار و پیش‌گویی انجام می‌شود. بر روی یک مجموعه داده واقعی، نتایج پیش‌گویی حاصل از روش پیشنهادی با روش پیش‌گویی اسپلاین و کریگیدن از طریق اعتبارسنجی متقابل مقایسه شده است. کمینه بودن ریشه دوم میانگین توان‌های دوم خطا  معیار انتخاب روش مناسب پیش‌گویی است. نتایج پیش‌گویی برای چند موقعیت با مقادیر معلوم که بنا به دلایلی از مجموعه داده‌ها کنار گذاشته شده‌اند و برای موقعیت‌های جدید به‌دست آمده‌اند. نتایج بیانگر دقت بالای پیش‌گویی با روش پیشنهادی  نسبت به کریگیدن و اسپلاین است.

---

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.