در نظر گرفتن یک فرض کلاسیک در ساختمان سری ها موجب شده است، مشاهدات را با یک الگوی خطی که ضرایبش با زمان تغییر نمی کند در نظر گیرند. اما بسیاری از سری های زمانی دارای میانگین و واریانس ثابتی در طول زمان نیستند در این شرایط مدل های اتورگرسیو مشروط به ناهمسانی واریانس اغلب به نتایج مطلوبی منجر می شوند. تحقیقات نشان داده اند مدل های شبکه عصبی برای نمایش رفتار غیرخطی داده ها نیز از عملکرد قابل توجهی...

بدست آوردن نتایج صحیح از آنالیز سیگنال مربوط به پدیده های ژئودینامیکی با استفاده از سری های زمانی بلند مدت gps، منوط به کاهش اثر نویز از داده ها می باشد. این امر در ژئودزی و ژئوفیزیک توسط روش های مختلفی انجام پذیر بوده و در صورت ناقص بودن مدل سازی داده های سری زمانی gps (جهت کاهش نویز)، تفسیر پدیده های ژئودینامیکی حاصل از آن ها به درستی میسر نخواهد بود. به دلیل غیر هم فاصله بودن سری های زمانی g...

اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های 3arima هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموفق بوده اند. در تحقیق حاضر برای پیش بینی شاخص کل بورس از مدل شبکه های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...

مدل های پیش بینی چرخه های تجاری هنگامی معتبر شناخته می شوند که قدرت خود را در شناسایی دوره های رونق و رکود نشان دهند. در بسیاری از کشورهای جهان مرجعی رسمی جهت تاریخ گذاری چرخه های تجاری وجود دارد. در ایران به دلیل فقدان چنین مرجعی اکثر مطالعات رأساً به تاریخ گذاری و سپس مقایسه نتایج مدل خود با آن می پردازند که طبیعتاً اغلب این تاریخ گذاری ها با یکدیگر سازگار نیستند. در این مقاله پس از معرفی روش ه...

به کارگیری سیستم های غیرخطی پویا در تحلیل سری های زمانی اقتصادی، مدت هاست که مورد توجه اقتصاددانان قرار گرفته است. سیستم های غیرخطی پویا، رفتارهای مختلفی را از خود بروز می دهند، که می تواند در توجیه بسیاری از پدیده های اقتصادی که به نظر تصادفی می آیند، به کار گرفته شود. در این مقاله، راهکاری ارایه شده است، که براساس آن می توان تابع پویای خاصی را برای مدل سازی سری زمانی مفروضی به کار گرفت. ابتدا...

الگوریتم های شبه ناظر به علت دقت پایین خوشه بندها و همچنین هزین? بالای طبقه بندها معرفی گردید. اینالگوریتم ها با استفاد? توام از داده های برچسب دار و بدون برچسب سعی می کنند دقت یادگیری را افزایش دهند. برای فرآهم آوردن سهولت بیشتر برای کاربر که منبع اصلی دریافت اطلاعات است، الگوریتم های شبه ناظر مقید ارائه گردید. این الگوریتم ها به جای استفاده از برچسب داده ها، از قیود متصل به آن ها در فرآیند یا...

موضوع تغییرات ساختاری و شوک ها در سری های زمانی، مسئله ای است که برای چندین دهه مورد بحث و بررسی بوده است. نادیده گرفتن آثار شکست ساختاری در سری های زمانی می تواند منجر به مشکلات جدی در الگوهای اقتصادی شود. هدف از این پژوهش بررسی شکست های ساختاری چندگانه نامعین در سری های قیمت محصولات دامی (شیر، تخم مرغ، گوشت مرغ، گوشت گوسفند و گوشت گاو) در دوره فروردین 1380 تا اسفند 1391 با استفاده از آماره ql...

رویدادهای آب‎وهوایی حدّی، پدیده هایی هستند که از نظر فراوانی، کمیاب و درجه‎شدّت بالا دارند و در هنگام وقوع آنها، بوم سامانه و ساکنان منطقه به‎دشواری می توانند خود را با تغییرات ایجادشده تطبیق دهند. از آنجاکه بستر رخداد رویدادهای آب‎وهوایی حدّی، شرایط دمایی و بارش های حدّیاست؛بنابراین،بررسی داده های اقلیمی حدّیدر این مورد ضروری به نظر می‎رسد. یکی از مباحث مهم در شناخت رفتار اقلیمی مناطق مختلف، تعیین ...

پیش بینی میزان ترافیک شهری یکی از مهمترین موضوعات در تحقیق و بررسی مساله ترافیک می باشد. اهمیت این موضوع به حدی است که در سال های اخیر تحقیقات زیادی را به خود جلب کرده است. در این پایان نامه از الگوهای سری های زمانی و روش های یادگیری ماشین برای پیش بینی میزان ترافیک شهری استفاده می شود. اساس این پایان نامه بدین صورت است که ابتدا مروری بر کارهای انجام شده در زمینه پیش بینی ترافیک داریم و سپس رون...