مدل رگرسیون ضریب تابعی برای سری های زمانی غیر خطی
Abstract
چکیده ندارد.
چکیده ندارد.
Figures are taken from the article's full text; their rights belong to the authors and the publisher.
مقدمه و اهداف: رگرسیون لجستیک یکی از کاربردی ترین مدل های خطی تعمیم یافته برای تحلیل رابطه ی یک یا چند متغیر توضیحی بر متغیر پاسخ رسته ای است. زمانی که بین متغیرهای توضیحی همبستگی های نسبتا قوی وجود داشته باشد هم خطی چندگانه ایجاد شده، ممکن است به کاهش کارآیی مدل منجر شود. هدف ای
پویایی و تغییرات پدیده ها نسبت به زمان، سرشت ذاتی پدیده ها ی اقتصادی است.در اقتصاد سنجی پدیده های اقتصادی،نادیده گرفتن ویژگی پویایی آنها منجر به ساده سازی بیش از حد پدیده ها می شود و مدل هایی که بر این مبنا به دست می آیند اغلب واقع گرایانه نبوده،موجب تفسیرهای نادرست ار آن پدیده ه
در این مقاله، سیگنال های ارتعاش ابزار به دست آمده از یک فرایند تراش کاری برای تخمین سایش ابزار به کار می رود. در حین فرایند برش، سیگنال های شتاب ابزار به کمک یک شتاب سنج که بر روی نگهدارنده نصب شده، در مقادیر مختلف سایش اندازه گیری می شود. به دلیل این که سیگنال های شتاب اندازه گی
در این مقاله، سیگنال های ارتعاش ابزار به دست آمده از یک فرایند تراش کاری برای تخمین سایش ابزار به کار می رود. در حین فرایند برش، سیگنال های شتاب ابزار به کمک یک شتاب سنج که بر روی نگهدارنده نصب شده، در مقادیر مختلف سایش اندازه گیری می شود. به دلیل این که سیگنال های شتاب اندازه گی
خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفرههای آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب میشود. تاکنون روشها و مدلهای مختلفی برای پیشبینی و مدلسازی این پدیده ارائه شده است اما
در این مقاله استفاده از مدل های شبکه عصبی مصنوعی (ANN) و برخی الگوهای متداول در زمینه پیش بینی نرخ ارز، مورد آزمون و تحلیل قرار گرفته بدین صورت که، عملکرد پنج الگوی رگرسیون خطی در مقایسه با شبکه های عصبی مصنوعی، برای پیش بینی نرخ ارز اسمی (ریال ایران به دلار ایالات متحده آمریکا)