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 - شبکه عصبی مصنوعی (WANN)...

این مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورّم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورّم ایران، مدل شبکة عصبی مصنوعی در پیش بینی آیندة نزدیک در مقایسه با سری های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقّف زودهنگام در مرحلة یادگیری شبکة عصبی برای پیش بینی...

روش های هوش محاسباتی، همچون شبکه های عصبی مصنوعی و منطق فازی، به عنوان ابزاری محبوب به منظور پیش بینی بازارهای پیچیده ی مالی معرفی شده اند. دقت پیش بینی ها ازجمله مهم ترین مشخصه های مدل های پیش بینی است و تلاش برای بهبود بخشیدن کارایی مدل های سری های زمانی هرگز متوقف نشده است. امروزه علی رغم روش های متعدد پیش بینی سری های زمانی که در چند دهه ی اخیر پیشنهاد شده اند، هنوز پیش بینی نرخ های ارز، کا...

باتوجه به تاثیر بازار بورس در تامین مالی و توسعه کشور، یافتن روشی مناسب برای پیش‏بینی بازار سهام اهمیت بسیاری دارد. به‏دلیل امکان وجود روابط غیرخطی در بازارهای مالی، هدف این مقاله، ارزیابی قدرت پیش‏بینی مدل‏های خطی و غیرخطی در بازار سهام است. ابتدا با استفاده از مدل سری‏های زمانی و شبکه‏عصبی مصنوعی[i]، متغیر هفتگی شاخص قیمت سهام در بورس اوراق بهادار تهران در سال‏های 83 تا 87 برآورد شده و سپس قد...

خشکسالی پدیده­ای طبیعی است که می­تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه­های طبیعی وارد آورد. در این تحقیق به منظور پیش­بینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکه­های عصبی­مصنوعی، پرسپترون چند لایه و تابع پایه­ی شعاعی و مدل­های سری­زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره­های سه، شش، نه و دوازده ماهه­ی ایستگاه­های منتخب استان خوزستان محا...

پیش بینی دقیق قیمت های محصولات کشاورزی وارداتی می­تواند ضمن کمک به برنامه­ریزی مطلوب در خصوص زمان مناسب واردات به صرفه جویی در منابع ارزی کشور نیز بیانجامد. از پر کاربرد ترین الگوهای پیش بینی سری زمانی طی سه دهه­ی اخیر، الگوهای خطی سری زمانی شامل آریما، گارچ و ای گارچ می باشند. مطالعات اخیر در زمینه­ی پیش بینی با شبکه عصبی مصنوعی نشان می دهد که شبکه­ی عصبی مصنوعی می تواند دقت پیش بینی الگوهای خ...

سری زمانی رادار با روزنه مصنوعی روشی برای ارزیابی تغییر شکل زمین است که قابلیت پایش تغییر شکل در یک ناحیه بزرگ را دارد. یکی از روش های پایش و بررسی تغییر شکل به کمک تداخل سنجی راداری، روش طول باز کوتاه است که کارایی آن در مطالعه پدیده های مختلف تغییر شکل زمین به اثبات رسیده است. ارزیابی نویز و بررسی همبستگی زمانی و مکانی سری های تغییر شکل بدست آمده از تداخل سنجی راداری عامل بسیار مهم در درک و ت...

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...