در جاهاییکه اندازه گیری مستقیم رواناب مقدور نباشد جهت تخمین جریان از روش تحلیل فراوانی منطقه ای استفاده می گردد. تحلیل باید در نواحی همگون صورت گیرد. در تعیین نواحی همگون از روش خوشه بندی سلسله مراتبی وارد ward که یکی از روشهای معمول در هیدرولوژی است ، استفاده شده است . پارامترهای مورد استفاده در تعیین نواحی همگون شامل پارامترهای فیزیکی، اقلیمی و هیدرولوژیکی هستند. 79 ایستگاه دبی سنجی در سطح اس...

هدف از این تحقیق بررسی ارتباط بین هندسه شبکه رودخانه های حوضه آبریز و هندسه سری های زمانی جریان رودخانه می باشد. بُعد فرکتال ارتباط تنگاتنگی با سایر ویژگی های فیزیکی و هندسی حوضه آبریز دارد. و می توان آن را نمایه ای قوی و مهم در انعکاس خصوصیات فیزیکی حاکم بر حوضه آبریز و سری های زمانی جریان رودخانه دانست. جهت انجام این بررسی حوضه آبریز قره آغاج در استان فارس با مساحتی بالغ بر 3000 کیلومتر مربع و...

چکیده: دستیابی به اطلاعات صحیح در مقیاس حوضه آبریز منوط به وجود نقاط اندازه گیری کافی با پراکنش مکانی مناسب است که عموماً در عمل چنین شرایطی فراهم نمی باشد. پراکنش نقاط ایستگاه ها و تعداد آنها به منظور برآورد مقادیر مکانی، به دلیل محدودیت های اقتصادی، فنی و اجرایی کافی نمی باشد. بدین ترتیب برای دستیابی به اطلاعات ریز مقیاس در زمان و مکان و به منظور اعمال مدیریت بهینه در حوضه آبریز، ریز مقیاس نم...

تجارت خارجی یکی از مؤلفه­های مهم در توسعه اقتصادی و منبع تأمین درآمدهای ارزی برای سرمایه­گذاری در تکنولوژی جدید و افزایش توان تولیدی اقتصاد کشور می­باشد. در سال­های اخیر وجود نوسان قیمتی در بازار نفت، درآمد ارزی کشور را با تغییرات زیادی روبرو کرده و اقتصاد کشور را متاثر ساخته است و این مطلب لزوم ایجاد تنوع در محصولات صادراتی و اهمیت و تأکید بر تجارت محصولات غیرنفتی را به وضوح نشان می­دهد. در ای...

چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل سازی برگرفته از محاسبات هوشمند است که در کنار روش های کلاسیک برای پیش بینی سری های زمانی مالی بکار گرفته می شود. این مدل اغلب در مواردی که از سری زمانی داده های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می شود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیش بینی مع...

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک – حداقل مربعات ماشین بردا...

این پژوهش با بکارگیری مدل سری زمانی تئوری قیمت گذاری داراییهای سرمایه­ای (capm)، بلک و همکاران (1972)، و با استفاده از متدولوژی شکست ساختاری بای و پرون (2003) به بررسی پایداری شاخص ریسک سیستماتیک دسته­ای از بازارهای سهام نوظهور از امریکای لاتین، جنوب شرق آسیا، بازار سهام استانبول و بورس اوراق بهادار تهران می­پردازد. نتایج نشان می­دهد که بر پایه آزمون بای و پرون در بازارهای سهام برزیل، شیلی، تای...

استفاده از سری های زمانی (منظور مشاهدات ما از فرآیند برحسب زمان) یک راه حل مؤثر در تحلیل این سیستم ها می باشد. در واقع تأکید روی این هدف است که چگونه می توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستم ها می باشد، به ساختار فضای حالت با بُعد محدود رسید. بازسازی فضای حالت بر مبنای نظریه محاط بنا شده که کاربرد آن مستلزم تعیین مقدارهای مناسبی برای دو پارا...

منابع آب زیرزمینی یکی از مهم ترین منابع آب به شمار می روند که شناخت صحیح و بهره برداری اصولی از آنها بخصوص در مناطق خشک و نیمه خشک می تواند در توسعه پایدار بسیاری از فعالیت های کشاورزی، اجتماعی و اقتصادی آن منطقه تأثیر بسزایی داشته باشد. برای آگاهی از وضعیت نوسانات سطح آب زیرزمینی در چنین مناطقی لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی انجام شود. با پیش بینی دقیق نوسانات سطح آب زیرزمی...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...