ارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی

اسناد مشابه

• ارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی

  مقاله۲۰۰۳تحقیقات اقتصادیدکتر حمید خالوزاده، دکتر على خاکی

  در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشها

• ارائه مدلی برای پیش بینی سطح معنویت در سازمان با رویکرد شبکه عصبی مصنوعی

  مقاله۲۰۱۵پژوهش های مدیریت منابع انسانیزهرا دهقانی محمودابادی، سیدحبیب اله میرغفوری، محسن دهشیری زاده

  رشد روزافزون تمایل به معنویت در محیط کار، به ایجاد پارادایم جدیدی در علم سازمانی منجر شده و مزایای برآمده از ایجاد محیط کار معنوی، کانون توجه بسیاری از پژوهشگران قرار گرفته است. از این رو، با توجه به اهمیت موضوع معنویت در محیط کار، هدف این پژوهش، ارایه مدلی برای پیش بینی سطح معنو

• بررسی تغییر دما و ارزیابی امکان پیش بینی آن در استان اردبیل بر اساس روش های آماری و سیستم استنتاج فازی- عصبی تطبیقی

  مقالهتحقیقات کاربردی علوم جغرافیاییبهروز سبحانی، اکبر گل دوست

  با توجه به تاثیر دمای هوا بر جوانب مختلف زندگی بشر و لزوم مطالعه­ی نحوه­ی تغییرات و پیش بینی آن، در این مطالعه با استفاده از تحلیل های آماری تغییرات دمای میانگین، حداقل و حداکثر ماهانه، در طول دوره­ی آماری 24 ساله (از ماه ژانویه­ی سال 1987 تا ماه دسامبر سال 2010 به طول 288 ماه) د

• ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش های تحلیلی و پیش بینی همزمان آن ها با استفاده از شبکه عصبی

  مقالهمدلسازی در مهندسیمحمد حسین ولایتی، mohammad hossein velayati دانشگاه سمنان نیما امجدی، nima amjady the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes. سید احمد حسینی، seyyed ahmad hosseini the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes.

  پایداری زاویه ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می شود، یکی از مهمترین عوامل در برنامه ریزی و بهره برداری سیستم های قدرت است. این نوع از پایداری ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه ای، بین ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می گیر

• ارزیابی روشهای پیش بینی و ارائه مدل ترکیبی بهینه در خصوص پیش بینی درآمدهای مالیاتی

  مقاله۲۰۱۱پژوهشنامه مالیاتمحمدرضا عبدی، سعیده حمیدی علمداری، مائده پورحسن امیری

  این مقاله به پیش بینی درآمدهای مالیاتی به تفکیک منابع وصولی (کل، اشخاص حقوقی، درآمد، ثروت و کالا و خدمات) برای سالهای 91-1390 می پردازد. به منظور دستیابی به پیش بینی های دقیق تر ابتدا ماهیت ساختاری سریهای زمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن و میزان پیچیدگی سیستم مولد

• ارزیابی روشهای پیش بینی و ارائه مدل ترکیبی بهینه در خصوص پیش بینی درآمدهای مالیاتی

  مقالهفصلنامه پژوهشنامه مالیات(علمی-پژوهشی)محمدرضا عبدی، mohammadreza abdi m.a. in accounting, and deputy of research, planning and international affairs iranian national tax administrationکارشناس ارشد حسابداری، معاون پزوهش، برنامه ریزی و امور بین الملل سازمان امور مالیاتی کشور سعیده حمیدی علمداری، saeedeh hamidialamdari m.a. in economic sciencesکارشناس ارشد علوم اقتصادی مائده پورحسن امیری، maedeh pourhassanamiri m.a. in economic sciencesکارشناس ارشد علوم اقتصادی

  این مقاله به پیش بینی درآمدهای مالیاتی به تفکیک منابع وصولی (کل، اشخاص حقوقی، درآمد، ثروت و کالا و خدمات) برای سالهای 91-1390 می پردازد. به منظور دستیابی به پیش بینی های دقیق تر ابتدا ماهیت ساختاری سریهای زمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن و میزان پیچیدگی سیستم مولد