در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای مالی، نوع جدیدی از فضای مسئله بر اساس نرخ بازده برای کاربرد در بازار های مالی و پیش بینی سری های زمانی مالی ارائه شده...

دسترسی به اطلاعات حجم اقتصاد زیرزمینی برأی سیاست های کلان اقتصادی مهم است. ما در این مقاله از مجموعه و منطق فازی برای ایجاد یک سری زمانی سالانه برای اقتصاد زیرزمینی (غیر قابل مشاهده) در ایران برای دوره زمانی 378 1-343 1 استفاده می کنیم. دو متغیر ورودی (نهاده) مورد استفاده، نرخ مؤثر مالیات و شاخص مقررأت هستند. نتایج این سری زمانی با تحقیقات دیگرکه با مدل mimic انجام شده است مقایسه شدند. دو روش، ...

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش‌بینی دقیق‌تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه‌ریزی و مدیریت منابع آب از جمله بهره‌برداری از مخازن و طراحی سازه‌های کنترل سیلاب با استفاده از ابزارها و روش‌های نوین مدلسازی می‌طلبد. در این راستا، مدل‌های سری زمانی از دیرباز مورد توجه هیدرولوژیست‌ها بوده‌اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسی...

هدف از این مطالعه پیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از سری زمانی فازی مرتبه اول، دوم و سوم و روش آرما و آزمون دقت پیش بینی هر یک از این روش ها است. برای این منظور rmse و مقادیر تعدیل شده آن را بر اساس سری زمانی فازی مرتبه چندگانه و مقادیر زبانی بین 5 تا 15 محاسبه و کمترین rmse انتخاب شد. بر اساس این انتخاب شاخص کل بورس برای هر یک از سالهای دوره یازده ساله این مطالعه (88-1378) ...

الگوریتم های هم تکاملی صورت دیگری از الگوریتم های تکاملی است و به معنای اجرای الگوریتم های تکاملی همزمان بین دو یا چند گونه متفاوت و با توابع ارزیابی ترکیبی می باشد. الگوریتم های هم تکاملی در طیف وسیعی از مسائل، زمانیکه روشهای تکاملی معمول در یافتن پاسخ مسأله موثر نیستند، به عنوان یک راه حل ابتکاری و جدید به کار گرفته می شوند. این الگوریتم ها عموماً به دو صورت کلی هم تکاملی همکارانه و هم تکاملی ...

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...

دسترسی به اطلاعات حجم اقتصاد زیرزمینی برأی سیاست های کلان اقتصادی مهم است. ما در این مقاله از مجموعه و منطق فازی برای ایجاد یک سری زمانی سالانه برای اقتصاد زیرزمینی (غیر قابل مشاهده) در ایران برای دوره زمانی 378 1-343 1 استفاده می کنیم. دو متغیر ورودی (نهاده) مورد استفاده، نرخ مؤثر مالیات و شاخص مقررأت هستند. نتایج این سری زمانی با تحقیقات دیگرکه با مدل MIMIC انجام شده است مقایسه شدند. دو روش، ...

هدف از این مطالعه پیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از سری زمانی فازی مرتبه اول، دوم و سوم و روش آرما و آزمون دقت پیش بینی هر یک از این روش ها است. برای این منظور RMSE و مقادیر تعدیل شده آن را بر اساس سری زمانی فازی مرتبه چندگانه و مقادیر زبانی بین 5 تا 15 محاسبه و کمترین RMSE انتخاب شد. بر اساس این انتخاب شاخص کل بورس برای هر یک از سالهای دوره یازده ساله این مطالعه (88-1378) ...