نتایج جستجو برای: مدل های arima
تعداد نتایج: 516895 فیلتر نتایج به سال:
آگاهی از دبی جریان و پیش بینی آن به ویژه در مواقعی که رودخانه با کم آبی مواجه است امری ضروری در جهت مدیریت بهره برداری از رودخانه است. در این مقاله به منظور مدل سازی سری های زمانی تشکیل شده از کم آبی های ماهانه و پیش بینی مقدار و زمان وقوع کم آبی ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-arima) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکه تطبیقی-anfis) ...
BACKGROUND Cases of hemorrhagic fever with renal syndrome (HFRS) are widely distributed in eastern Asia, especially in China, Russia, and Korea. It is proved to be a difficult task to eliminate HFRS completely because of the diverse animal reservoirs and effects of global warming. Reliable forecasting is useful for the prevention and control of HFRS. METHODS Two hybrid models, one composed of...
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. ...
توانایی پیش بینی یکی از مهم ترین مهارت های مورد نیاز برنامه ریزان و پژوهشگران علوم منابع طبیعی است. ابهام و پیچیدگی و چندلایه بودن رویدادها ، پیش بینی را به یکی از دشوارترین وظایف فراروی هر محقق تبدیل کرده است بنابراین با درک الگوی زمانی تغییر پذیری اقلیم، می توان با شناختی کامل تر از الگوهای اقلیمی در آینده، نسبت به پیش بینی و مدیریت اقدام نمود. این پژوهش با هدف بررسی قابلیت مدل های سری های زم...
BACKGROUND Accurate forecasting of hospital outpatient visits is beneficial for the reasonable planning and allocation of healthcare resource to meet the medical demands. In terms of the multiple attributes of daily outpatient visits, such as randomness, cyclicity and trend, time series methods, ARIMA, can be a good choice for outpatient visits forecasting. On the other hand, the hospital outpa...
رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش بینی دقیق تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه ریزی و مدیریت منابع آب از جمله بهره برداری از مخازن و طراحی سازه های کنترل سیلاب با استفاده از ابزارها و روش های نوین مدلسازی می طلبد. در این راستا، مدل های سری زمانی از دیرباز مورد توجه هیدرولوژیست ها بوده اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسی...
تولید ناخالص داخلی یکی از عمده ترین و کاربردی ترین شاخص های اقتصادی است؛ لذا پیش بینی آن،همواره توجه کلیه دست اندرکاران اقتصادی و علوم مرتبط را به خود جلب کرده است. هرچند روش های تجزیهو تحلیل سری زمانی و روش های غیرخطی همانند مدل های شبکه عصبی مدتهاست که برای پیش بینی این گونهمتغیرها به کار می روند، لیکن کاربرد ابزار توانمند موجک در پردازش داده ها و بررسی لایه های پنهان آن نشانمی دهد که سری زما...
Many environmental and socioeconomic time–series data can be adequately modeled using Auto-Regressive Integrated Moving Average (ARIMA) models. We call such time–series ARIMA time–series. We consider the problem of clustering ARIMA time–series. We propose the use of the Linear Predictive Coding (LPC) cepstrum of time–series for clustering ARIMA time–series, by using the Euclidean distance betwe...
The hybrid ARIMA-SVMs prediction models have been established recently, which take advantage of the unique strength of ARIMA and SVMs models in linear and nonlinear modeling, respectively. Built upon this hybrid ARIMA-SVMs models alike, this study goes further to extend them into the case of multistep-ahead prediction for air passengers traffic with the two most commonly used multistep-ahead pr...
The U.S. Census Bureau has enhanced the X-12-ARIMA seasonal adjustment program by incorporating an improved automatic regARIMA model (regression model with ARIMA errors) selection procedure. Currently this procedure is available only in test version 0.3 of X-12ARIMA, but it will be released in a future version of the program. It is based on the automatic model selection procedure of TRAMO , an ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید