آگاهی از روند متغیرهای کلان اقتصادی همواره برای اقتصاددانان، برنامه¬ریزان و سیاست¬گذاران اهمیت بسیاری داشته است. از این¬رو، همواره سعی شده¬است که پیش¬بینی این متغیرها با کمترین خطای ممکن صورت بگیرد. هدف مطالعه حاضر، مقایسه مدل¬های پیش¬بینی تک¬متغیره شامل روش¬های اقتصادسنجی و شبکه¬های هوش¬مصنوعی برای پیش¬بینی رشد بخش کشاورزی ایران است. بدین منظور روش¬های، اقتصادسنجی مدل خودرگرسیون میانگین متحرک ...

اهمیت اقلیم و متغیرهای وابسته به آن در ابعاد مختلف زندگی بشری بر هیچ فردی پوشیده نیست. لزوم برنامه ریزی مدون و با دقت بالا برای دستیابی به بالاترین راندمان ها در زمینه های مختلف وابسته به اقلیم از جمله بیمه محصولات کشاورزی، اهمیت پیش بینی مقادیر متغیرهای اقلیمی را دو چندان می کند. از میان متغیرهای اقلیمی موثر بر فعالیت های کشاورزی، دما، بارندگی و سرعت باد، بدلیل تأثیر مستقیم بر تبخیر و تعرق و ن...

رواناب مانند بسیاری دیگر از متغیرهای هیدروکلیماتولوژیک از تغییرات فصلی که تحت تأثیر فرایندی تصادفی قرار دارد برخوردار می‌باشد. تحقیقات نشان داده است که مدل‌های استوکاستیک از مناسب‌ترین ابزارهای شبیه‌سازی متغیرهای تصادفی که دارای یک روند فصلی‌اند می‌باشد. در این مقاله ضمن تشریح‌ نحوه توسعه مدل‌های سری‌ زمانی، الگوهای ‌استوکاستیک رواناب به صورت الگوی مرکب اتورگرسیو میانگین متحرک در مقاطع زمانی ما...

رواناب مانند بسیاری دیگر از متغیرهای هیدروکلیماتولوژیک از تغییرات فصلی که تحت تأثیر فرایندی تصادفی قرار دارد برخوردار می باشد. تحقیقات نشان داده است که مدل های استوکاستیک از مناسب ترین ابزارهای شبیه سازی متغیرهای تصادفی که دارای یک روند فصلی اند می باشد. در این مقاله ضمن تشریح نحوه توسعه مدل های سری زمانی، الگوهای استوکاستیک رواناب به صورت الگوی مرکب اتورگرسیو میانگین متحرک در مقاطع زمانی ماهان...

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

تبخیر یکی از مؤلفه‌های مهم و تاثیرگذار در برنامه‌ریزی و مدیریت منابع آب در مناطق خشک و نیمه‌خشک می‌باشد و برآورد آن در اقلیم‌های مختلف، به‌عنوان یکی از مهمترین عوامل اثرگذار جوی، از اهمیت ویژه‌ای در برنامه‌ریزی و مدیریت منابع آب در بخش کشاورزی، تعیین الگوی کشت و مدیریت صحیح مخازن آبی برخوردار است. یکی از روش‌های بررسی تغییرات تبخیر و پیش‌بینی آن، مدل‌های سری زمانی با نام عمومی مدل‌های ARIMA می‌...

تجزیه و تحلیل سری های زمانی شمارشی‎‎‏، در سال های اخیر رشد و توسعه بسیاری پیدا کرده است. در این تحقیق، مسئله پیش بینی سری های زمانی مقدار صحیح، به وسیله مدل بندی فرآیندinar ‎‎ضمن بررسی ‎‎خواص نظری و کاربردهای عملی مدل ‎در گرفته شده است.‎ ‎‎‎‎روش بیزی برای بدست آوردن پیش بینی نقطه ای و فاصله ای برای مقادیر آینده فرآیند استفاده شده و با پیش بینی کلاسیک آنها مقایسه می گردد. روش های پیشنهادی، با...