پیش بینی قیمت محصولات کشاورزی به کمک الگوهای شبکه عصبی مصنوعی و سری زمانی

اسناد مشابه

• پیش بینی قیمت سهام با رویکرد ترکیبی شبکه عصبی مصنوعی و الگوریتم رقابت استعماری مبتنی بر تئوری آشوب

  مقاله۲۰۱۷راهبرد مدیریت مالیسهیل احمدخان بیگی، ندا عبدالوند

  یکی از گزینه‌های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می‌باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش‌بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت‌های

• پیش بینی قیمت محصولات کشاورزی به کمک الگوهای شبکه عصبی مصنوعی و سری زمانی

  مقاله۲۰۱۳پژوهش های ترویج و آموزش کشاورزیرضا مقدسی، پریسا خلیق

• پس پردازش برونداد مدل WRF برای پیش بینی بارش روزانه با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: استان آذربایجان شرقی)

  مقاله۲۰۲۶نیوارمهدی اصلاحی، مجید آزادی، جمشید یاراحمدی، فرناز پوراصغر

  رخداد بارش به متغیرهای هواشناسی زیادی وابسته است و سبب پیچیدگی پیش بینی بارش می شود یکی از روش ها جهت افزایش دقت پیش بینی استفاده از مدل های شبکه عصبی مصنوعی(ANN) است که به طور مستقیم برای پیش بینی بارش و یا پس پردازش برونداد مدل های عددی پیش بینی وضع هوا استفاده می‌شود. در این م

• استفاده از روش تحلیل مولفه های اصلی برای افزایش صحت پیش بینی سندرم متابولیک در مدل های شبکه عصبی مصنوعی و رگرسیون لجستیک

  مقالهمجله دانشگاه علوم پزشکی شهرکردمرتضی سدهی، mortaza sedehi شهرکرد- رحمتیه- دانشکده بهداشت- گروه آمار زیستی و اپیدمیولوژی یداله محرابی، yadolah mehrabi 2research institute for endocrine sciences, shahid beheshti university of medical sciences, tehran, iran, عباس خدابخشی، abbas khodabakhshi 3environmental health engineering dept., shahrekord university of medical sciences, shahrekord, iran.

  زمینه و هدف: در فرآیند مدل سازی، زمانی که بین متغیرهای کمکی همبستگی های نسبتا قوی وجود داشته باشد، هم خطی چندگانه ایجاد شده و باعث کاهش کارآیی مدل می گردد. هدف از این مطالعه استفاده از تحلیل مولفه های اصلی برای تعدیل اثر هم خطی چندگانه در مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی

• مقایسه مدل‌های شبکه عصبی مصنوعی، سری زمانی آریما و رگرسیون خطی چند متغیره در پیش‌بینی تغییرات سطح آب زیرزمینی

  مقاله۲۰۱۹هيدروژئولوژينادیا شهرکی، محبوبه یونسی، عبدالله طاهری تیزرو

  پیشبینی نوسانات سطح آب زیرزمینی، جهت برنامهریزی در مناطق خشک و نیمه‌خشک امری ضروری است. در این مطالعه برای پیشبینی نوسانات سطح آب زیرزمینی دو پیزومتر واقع در دشت کرمان از مدلهای شبکه عصبی مصنوعی، سری زمانی آریما و رگرسیون خطی چند متغیره استفاده شد. برای دستیابی به این منظور از عم

• پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

  مقاله۲۰۱۵تحقیقات مدلسازی اقتصادیملیحه رمضانی، احمد عاملی

  در بازارهای سرمایه عامل‌های مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عاملهای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم تر