مدلهای سریهای زمانی ناهمواریانسی شرطی

Similar items

• تحلیل مقایسه‌ای نوسانات سطح ایستابی با استفاده از نرم‌افزار GMS و مدل‌های سریهای زمانی در دشت عجب‌شیر

  Article2020دانش آب و خاکمریم عبداله‌زاده، احمد فاخری‌فرد

  پیش‌بینی نوسانات سطح آب زیرزمینی، برای برنامه‌ریزی مناسب‌تر به ویژه در مناطق خشک و نیمهخشک امری ضروری است. در این تحقیق از داده‌های ارتفاع سطح ایستابی به‌صورت ماهانه، طی دوره‌آماری 1380 لغایت 1390 دشت عجب‌شیر واقع در شهرستان عجب‌شیر که دارای وسعت 130 کیلومتر مربع است استفاده گردی

• ارزیابی ترکیب الگوریتم‌های بهینه‌سازی و سیستم استنتاج فازی- عصبی تطبیقی در مقایسه با مدل‌های سری‌های زمانی در تخمین سطح آب زیرزمینی

  Article2020تحقیقات منابع آب ایرانمعصومه زینعلی، محمد انصاری قوجقار، یاسر مهری، سید موسی حسینی

  به‌منظور مدیریت و بهرهبرداری بهینه از منابع آب زیر‌زمینی آگاهی از تغییرات مکانی- زمانی سطح ایستابی و لزوم پیشبینی و مدل‌سازی آنها بهمنظور شناخت دقیقتر رفتار آبخوان نسبت به محرکهای طبیعی و انسانی، امری ضروری است. با توجه به توسعه روزافزون فرامدلها و ترکیب آنها با الگوریتمهای بهینه

• پیش‌بینی دبی رودخانه با استفاده از روش‌های نوروفازی و مدل‌های سری‌های زمانی

  Article2009آبخیزداری ایرانسلاجقه, علی، فتح آبادی, ابوالحسن، مهدوی, محمد

  شبیه­سازی جریان رودخانه به منظور آگاهی از آورد رودخانه در دوره­های زمانی آینده از مسائل مهم و کاربردی در مدیریت منابع آب می­باشد. در این پژوهش با استفاده از روش­های هوش مصنوعی (شبکه عصبی MLP , ANFIS با تفکیک شبکه­ای و خوشه­ای) و سری­های زمانی دبی ماهانه طالقانرود در محل ایستگاه گ

• مروری بر کاربرد مدل‌های بزرگ زبانی در پردازش متن و سری‌های زمانی در تحلیل رفتار سرمایه‌گذاران و پیش‌بینی بازارهای مالی

  Article2025پردازش علائم و داده هاسعیده انبائی فریمانی، راهله قوچان نژادنورنیا، مجید وفایی جهان

  استفاده گسترده از شبکه‌های اجتماعی و انتشار اخبار در رسانه‌ها، حجم عظیمی از داده‌های متنی و سری‌های زمانی را تولید کرده‌است که بر رفتار سرمایه‌گذاران در بازارهای مالی تأثیر مستقیم می‌گذارد؛ در این میان، مدل‌های بزرگ زبانی و فناوری‌های پیشرفته پردازش سری‌های زمانی و زبان طبیعی نقش

• مقایسه‌ی تجربی مدل‌های باکس- جنکینز، شبکه‌های‌ عصبی مصنوعی و تحلیل مجموعه‌ی مقادیر تکین در پیش‌بینی سری‌های زمانی

  Article2017مدلسازی پیشرفته ریاضیرحیم محمودوند، مسعود یارمحمدی، مهدی کلانتری

  مدل باکس- جنکینز به‌عنوان یک روش پارامتری برای تحلیل سری‌های زمانی و برازش مدل‌های اتورگرسیو و میانگین متحرک فصلی و غیر فصلی به­کار می­رود؛ اما این روش برای سری‌های کوتاه مدت و نامانا مناسب نیست. در چنین شرایطی می­توان از روش­های ناپارامتری مانند شبکه­های عصبی مصنوعی و تحلیل مجمو

• بهبود مدل‌های ترکیبی(ANNs & ARIMA) با بکارگیری شبکه‌های عصبی احتمالی به‌منظور پـیش‌بیـنی سری‌های زمـانی

  Article2010مهندسی صنایعغلامعلی رئیسی اردلی، مهدی بیجاری، مهدی خاشعی

  دقت پیش‌بینی‌ها از مهمترین فاکتور‌های مؤثر در انتخاب روش‌های پیش‌بینی می‌باشند. امروزه علی‌رغم وجود روش‌های متعدد پیش‌بینی، هنوز پیش‌بینی‌‌های دقیق، بویژه در بازارهای مالی کار چندان ساده‌ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روش‌های متفاوت به‌منظور حصول نتایج دقیق‌تر می‌‌