در این پایان نامه قابلیت مدل های شبکه عصبی پرسپترون چند لایه، رگرسیون بردار پشتیبان، هیبرید موجک – عصبی و هیبرید موجک – رگرسیون بردار پشتیبان برای تخمین جریان رودخانه بررسی گردید . در این راستا سری زمانی جریان ماهانه رودخانه در دوره 1367 تا 1390 برای ایستگاه های صفاخانه، سنته و پل آنیان از حوضه آبریز رودخانه زرینه رود در شمال غربی ایران استفاده شد. جهت تعیین بهترین ساختار ورودی مدل ها، ترکیب ها...

حوضه فلات مرکزی، یکی از مناطق خشک کشور ایران محسوب می شود. این حوضه، با کمبود شدید منابع آب مواجه است. بنابراین ضروری است تا با برنامه ریزی صحیح و مدیریت کارآمد منابع آب، از بروز خشکسالی جدی ناشی از کمبود آب در این حوضه جلوگیری شود. یکی از موارد مهم جهت مدیریت بهینه منابع آب، پیش بینی خشکسالی در سطح منطقه ای است. لذا در این پژوهش به منظور پیش بینی بارندگی و شاخص خشکسالی هواشناسی spi، از مدل های...

فرآیند درون یابی داده های گمشده در تحلیل سریهای زمانی بسیار مهم است . روش مرسوم استفاده از مدلهای اتو رگرسیو – میانگین متحرک باکس و جنکینس جهت درون یابی این داده ها است . در تحقیقات پیشرفته اخیر در مباحث سری زمانی روش دیگر بیان مدلهای سری زمانی در قالب مدلهای فضای حالت و استفاده از صافی کالمن است . در این پایان نامه نخست روشهای درون یابی مقادیر گمشده در سری زمانی را معرفی کرده و سپس با استفاد...

امروزه پیش بینی روندی که در آینده ممکن است برای قیمت یک سهام خاص به وجود آید، از جمله موضوعاتی است که در مسائل مالی مورد توجه قرار دارد. برای انجام این کار، می توان از مدل های سری های زمانی استفاده کرد. یکی از کاربردهای مهم مدل های سری های زمانی، در ریاضیات مالی است. اما در ریاضیات مالی، به دلیل این که مشاهدات جمع آوردی شده در طول زمان، از ویژگی ناهم واریانسی برخوردار هستند، نمی توان از مدل ...

بخش صنعت به­عنوان یکی از مولدترین بخش های اقتصادی از عمده ترین متقاضیان انرژی و مخصوصاً گازطبیعی است، از این رو در این مطالعه تابع تقاضای گازطبیعی در بخش صنعت ایران با استفاده از مدل سری زمانی ساختاری برآورد می شود. مدل سری زمانی ساختاری دارای جزء غیرقابل مشاهده ی روند است که پس از تبدیل این مدل به­صورت فضاحالت و با به­کارگیری الگوریتم فیلتر کالمن از طریق روش حداکثر راستنمایی برای دوره­ی زمانی 1...

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. ...

در دو دهه اخیر استفاده از مدل های غیرخطی در تخمین دبی رودخانه ها مورد توجه محققان واقع شده است که از آن جمله می­توان به مدل شبکه های عصبی مصنوعی، برنامه­ریزی ژنتیک، سری های زمانی، تبدیل موجک و ... اشاره نمود. تبدیل موجک از طریق تجزیه امواج به زمان و مقیاس همچون روش آنالیز فوریه شیوه نوینی را برای پردازش موج ارائه می دهد. در تبدیل موجک از موجک گسسته میر برای برآورد جریان متوسط ماهانه رودخانه لیق...

فرآیند جریان رودخانه یکی از سیستم­هایی است که در مقیاس زمانی و مکانی مکانیسم غیر خطی در آن می­تواند حاکم باشد. در بسیاری از مدل های برازشی بر روی سری­های جریان رودخانه از مدل های خطی استفاده می­شود در حالی که معمولا فرآیند حاکم بر جریان رودخانه بیشتر ماهیت غیرخطی دارد. با این وجود نوع غیرخطی حاکم بر فرآیند سیستم رودخانه و شدت آن در مقیاس های زمانی مختلف مشخص نیست. فرآیند جریان رودخانه شهرچای ار...

مدلهای سری زمانی اتورگرسیو متناوب چندمتغیره pvar کلاس مهمی از سری های زمانی جهت مدل بندی کردن داده های بدست آمده از هوا شناسی، آب شناسی، اقتصاد و مهندسی الکترونیک می باشد. در این رساله پس از معرفی مدل و برآورد کمترین مربعات پارامترهای مدل pvar، توزیع مجانبی این برآوردگرها بدست آورده شد. خودهمبستگی باقیمانده ها در مدلهای اتورگرسیو و میانگین متحرک کلاسیک برای بررسی کفایت یک مدل مفید هستند. با توج...

پیش ینی نوسانات سطح آب زیرزمینی، برای برنامه ریزی مناسب تر بویژه در مناطق خشک و نیمه خشک امری ضروری است. روند کلی هیدروگراف معرف آب زیرزمینی دشت مروست، براساس اطلاعات سطح آب زیرزمینی در طی سال های گذشته نزولی و نشانگر وقوع افت مداوم و کاهش ذخایر آب زیرزمینی می باشد. در این تحقیق برای پیش بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل های سری زمانی برای پیش بینی وضعیت سطح آب زیرزمینی استفاده ش...