در این پایان نامه ، به تخصیص و برآورد مدل های اتورگرسیو فضایی می پردازیم. این مدل ها شامل یک متغیر وابسته تأخیر فضایی می باشند که به صورت یک متغیر توضیحی در مدل ظاهر می شود ویا شامل یک جمله اختلال می باشند که از مدل اتورگرسیو تبعیت می کند. معمولاً ، متغیر وابسته تأخیر فضایی با جمله اختلال همبسته بوده و در نتیجه ، برآورد حداقل مربعات معمولی در مدل های اتورگرسیو فضایی سازگار نمی باشد. یکی از اهداف...

هدف اصلی این پایان نامه معرفی، تشخیص، مدل بندی و پیش بینی سریهای زمانی ای است که داده های آن قطعیت نداشته و تحت عنوان اعداد فازی و مقادیر زبانی معرفی می شوند. در ابتدا به کمک دو نمایش مفید از اعداد فازی یعنی نمایش آنها بر اساس نقاط برش و برشهای نموی به تجزیه و تحلیل سریهای زمانی فازی و پیش بینی آنها می پردازیم. سپس متغیر های زبانی که مقادیر اختیار شده توسط آنها برچسبهای زبانی بوده و در بحث فاز...

هدف: هدف اصلی این مطالعه مقایسه مدل‌های رشد لجستیکی هاروی، هاروی، شبکه عصبی غیرخطی اتورگرسیو و طراحی و یافتن مدلی بهینه با دقت پیش‌بینی بهتر برای داده‌های شاخص کل بورس تهران است که این مدل وابستگی زیادی به مقادیر گذشته خود دارد، پرنوسان است و روند حرکتی غیرخطی دارد که تاکنون مغفول مانده است. روش: در این پژوهش با به‎کارگیری مدل‌های رشد «لجستیک هاروی» و «هاروی» و افزودن جزء غیرخطی بر اساس بسط سری...

تحلیل سری های زمانی شمارشی در سال های اخیر رشد و توسعه ی بسیاری پیدا کرده است. این سری ها اغلب بیش پراکنده هستند و مدل اتورگرسیو ناهمواریانس شرطی تعمیم یافته ی شمارشی قادر به توصیف فر‎‎آیندهای شمارشی بیش پراکنده و‎ ‎ناهمسان‎ در واریانس می باشد. ‎ ‎این تحقیق سریهای زمانی شمارشی با بیش پراکندگی و وجود مشاهداتی با مقادیر بزرگ را مورد بحث قرار می دهد. ‎‎ ‎به‎ علت عملکرد ضعیف مدل اتورگرسیو ناهمو...

پیش بینی تصادفات در قطعات راه عمدتاً به کمک مدل های آماری انجام می گیرد.مدلهای معمول آماری مانند مدل دوجمله ای منفی دارای محدودیت هایی هستند، برای مثال در این مدل ها اثر متقابل نزدیک بودن دو تقاطع خاص به یکدیگر در نظر گرفته نمی شود. به این اثر رابطه فضایی بین داده های قطعات متوالی گفته می شود.در اکثر مطالعات انجام شده وابستگی فضایی بین قطعات راه در نظر گرفته نشده است. در مواجهه با داده های مکانی...

روش¬های پیش بینی سری های زمانی مالی براساس مدل¬های اتورگرسیو میانگین متحرک انباشته (arima) و واریانس ناهمسان شرطی اتورگرسیو (arch) ویژگی حافظه بلند¬مدت و وجود شکست¬های ساختاری را در مدل¬سازی در نظر نمی¬گیرند. جهت رفع مشکل حافظه بلند¬مدت از فرآیندهایی نظیر مدل اتورگرسیو میانگین متحرک انباشته کسری (arfima) و مدل واریانس ناهمسان شرطی اتورگرسیو تعمیم یافته انباشته کسری (figarch) استفاده می¬شود. ولی...

شبکه‌های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی‌های زمانی غیرخطی می‌پردازند. مزیت این مدل‌ها در مقایسه با مدل‌های سری زمانی این است که نیاز به فرضیات محدود کننده نمی‌باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می‌باشد. برای این منظور با استفاده از روش‌های خودگردان، می‌توان دقت برآوردگرها را در ساختارهای پیچید...

تغییر پذیری نقشی اساسی در مدیریت ریسک مالی دارد. مدلی که می تواند تغیر پذیری را در سری های زمانی مالی بررسی کند مدل اتورگرسیو ناهمگن شرطی است.‎ مدل‎‎ های اتورگرسیو ناهمگن شرطی تعمیم یافته ابزاری گسترده و ضروری در اقتصاد سنجی مالی محسوب می شوند‏ و تا همین اواخر با روش های ماکزیمم درستنمایی کلاسیک برآورد می شدند. ‎‎‎‏ابتدا‎ کارکرد و نمایی کوتاه از الگوی بیزی را بررسی ‏کرده و در قسمت بعد برآورد ه...

سری های زمانی متعددی وجود دارند که مدل های خطی مرسوم برای آن ها چندان مناسب نیست. از جمله می توان به سری های زمانی دوره ای با دوره تناوب نامنظم و نامعلوم اشاره کرد. مدل های خطی برای مدل سازی این سری ها ناکارآمد است. بخصوص مدل های خطی در بحث آینده نگری این مدل ها، حافظه لازم برای بخاطر سپردن دوره های نامنظم را ندارند. در سال های اخیر مطالعه ی مدل های سری زمانی غیرخطی مورد توجه قرار گرفت و مدل ها...

برآورد عمق نوری هواویزها (AOD) برای بررسی میزان ذرات معلق موجود در جو که یکی از آلاینده‌های هوا است استفاده می‌شود. در این پژوهش برای برآورد عمق نوری هواویزها در ایستگاه‌های فاقد تشعشع‌سنج و یا برآورد یک ساله (اتورگرسیو) در ایستگاه‌های دارای تشعشع‌سنج از مدل‌های مختلف همچون مدل‌های رگرسیون چند‌گانه (MLR)، رگرسیون مولفه‌های مبنا (PCR)، خودرگرسیون میانگین متحرک انباشته (ARIMA) و نیز مدل شبکه عصبی...