صنعت برق، این قلب تپنده صنایع، از شاخص¬های اثرگذار بر وضعیت اقتصادی، اجتماعی، سیاسی، فرهنگی و رفاهی جامعه به شمار می¬رود. صنعت برق، سال ها به عنوان یک خدمت عمومی تلقی می شد و از همین رو، انحصاری و غیررقابتی بود. در دهه 80 میلادی برخی اقتصاددانان پیشنهاد دادند اگر تولید برق به جای اتکا بر مقررات انحصاری یا سیاست¬های دولتی، بر نظام بازاری مبتنی گردد، قیمت¬ها کاهش یافته، باعث منفعت اقتصادی همگان خ...

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...

سابقه و هدف: پیش بینی دقیق رواناب رودخانه ها نقش مهمی در مدیریت بهینه منابع آب در دسترس دارد. در سال های اخیر، ماشین بردار پشتیبان (svm) که یکی از مهمترین مدل های داده کاوی است برای این منظور مورد توجه قرار گرفته است. این مدل یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه سازی مقید است که از اصل استقرای کمینه سازی خطای ساختاری استفاده کرده و منجر به یک جواب بهینه کلی می گردد. همانند مدل های داده ...

خشکسالی یکی از پدیده های آب و هوایی است که در همه شرایط اقلیمی به وقوع می پیوندد و خسارات زیادی به زندگی انسان و اکوسیستم های طبیعی وارد می نماید. از این‏رو بررسی مشخصات خشکسالی (شدت- مدت و فراوانی) و تعیین مناطق تحت خطر و پیش‏بینی آنها امری لازم می‏باشد. به این منظور تعدادی از ایستگاه های باران سنجی در سطح استان گلستان که تا پایان سال آبی 86-1385 مقادیر بارندگی آنها ثبت شده بود، پس از انجام آز...

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...

در این مطالعه مدل های سری های زمانی چند متغیره به عنوان مدل های تصادفی خطی برای پیش بینی میانگین ماهانه دمای سطح آب خلیج فارس استفاده شد. سری های زمانی داده های این دما برای شش گره دریایی برای دوره 2007-1854 به عنوان پرونده ورودی مدل های چند متغیره سری های زمانی در نظر گرفته شدند. فرایندهای اتورگرسیو برداری برای انجام سری های زمانی چند متغیره به کار برده شدند. نمودارهای خود همبستگی باقی مانده ه...

در 15 سال اخیر، مدل های متعددی برای پیش بینی با استفاده از سری های زمانی فازی توسط محققین ایجاد شده اند. با توجه به ادبیات موضوع می توان دریافت که یکی از مسائل مهم در این مدل ها نحوه ی تعیین بازه ها ی فازی برای تبیین مدل و انجام پیش بینی است،لذا تحقیقات متعددی در این زمینه برای تعیین بازه های مناسب و افزایش دقت مدلهای پیش بینی انجام شده است؛ در این تحقیق مدلی جدید با استفاده از ترکیب الگوریتم ت...

پیش بینی کوتاه مدت پارامترهای ترافیکی مانند جریان ترافیک، سرعت و ازدحام، دارای اهمیت بسیاری در پژوهشهای حوزه سیستمهای حمل ونقل هوشمند مدرن است. در این مقاله، ابتدا با بکارگیری تئوری آشوب به بررسی پیش بینی پذیری جریان ترافیک شهری پرداخته شده و غیرتصادفی بودن سری زمانی حجم ترافیک مورد بررسی قرار گرفته است. سپس، در حوزه پیش بینی، با توجه به این نکته که یکی از مهم ترین مشکلات در هنگام پیش بینی وضعی...

همبستگی متناوب در سرتاسر فرآیند آنالیز واریانس (anova) مدل هایی که جمله خطای آن ها شامل یک سری زمانی اتورگرسیو متناوب است، وجود دارد. در این پایان نامه خواص مجانبی برآوردگرهای کمترین مربعات و فرض های آزمودنی خطی با یک آزمونf تعدیل شده را در آنالیز واریانس سریهای اتورگرسیو متناوب مورد بررسی قرار می دهیم. همچنین تکنیک های ثابت شده را برای ساختن استنباطهایی درباره شدت جریانهای سه ماهه رودخانه کر د...

این مقاله به بررسی عملکرد پیش بینی مدل های ARIMA و ARFIMA با استفاده از داده‌های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشNLS  در بسته نرم‌افزار Oxmetric/pcgive  استفاده شد و پس از مقایسه نتایج مدل­های تحقیق؛ مدل ARFIMA بر اساس معیار AIC مدلی برتر در مدل سازی TEPIX مشخص گردید. همچنین از میان براورد...