در این پایان نامه ‎،‎ ضمن مطالعه روشهای آماری پیش بینی سریهای زمانی‎،‎ به توصیف فراکتال‎ها و سریهای ‎زمانی فراکتالی پرداخته شده است‎.‎ سپس کاربرد فراکتال در پیش بینی سریهای زمانی با توجه به رفتار نمای هارست مورد بررسی قرار گرفته است‎.‎ در ادامه به بعضی خواص پایای سیستم‎های دینامیکی آشوبی مانند‎ نمای لیاپانوف و خودتشابهی اشاره شده و سپس روشهای پیش بینی سریهای زمانی آشوبی با جاذب پیچیده‎در یک فضا...

فرآیند های دوره ای یا سری های زمانی هستند که برای مدل بندی سریهای زمانی ایستای دوره ای استفاده می شوند . در این پایان نامه الگوریتم ابداعی را که اصولا جهت برآورد پارامتر های سریهای زمانی نا ایستا بکار برده می شوند معرفی می کنیم و نشان می دهیم که این برآورد گرها برای سری های زمانی دوره ای سازگارند، سپس نشان میدهیم که این الگوریتم چگونه می تواند در بدست آوردن برآورد پارامتر های مدل مورد استفاده ق...

پیش بینی میزان آب در دسترس، یکی از مؤلّفه های مهم و تأثیرگذار در برنامه ریزی و مدیریت منابع آب بوده و برآورد آن در مقیاس های زمانی مختلف، از اهمیت ویژه ای در برنامه ریزی کشاورزی برخوردار است. یکی از روش های مطالعاتی پیش بینی، روش سری های زمانی است؛ برای این منظور، و مدل های مختلفی ارائه شده اند که از آن جمله می توان مدل های سری زمانیarima، ma و ar را برشمرد. در این تحقیق، عملکرد هریک از مدل های ...

در سالهای اخیر داده کاوی برروی سریهای زمانی توجه بسیاری را به خود جلب کرده است. شاید بتوان گفت از میان تمام تکنیکهای به کار برده شده برروی سریهای زمانی، خوشه بندی پر استفاده ترین تکنیک می باشد. خوشه بندی سریهای زمانی می تواند به دلایل مختلفی مانند یافتن الگوهای پنهان در داده ها و جستجوی شباهتها انجام شود. سریهای زمانی معمولاً دارای ابعاد طولانی هستند که این امر کار پردازش آنها را چه از نظر حافظ...

یک مدل arma خطی بصورت زیر را در نظر بگیرید. xt+?1xt-1+...+?kxt-k?+?t+?1?t-1+...+?l?t-l همانطور که می دانیم، در مدل پارامترها ثابت فرض می شوند، در صورتی که در کلاس بزرگی از سریهای زمان غیرخطی، پارامترها بصورت تابعی از گذشته خود می باشند. پریستلی با قرار دادن xt-1(?t-1,...,?t-l,xt-1,...,xt-k)?؟ به عنوان بردار حالت ?xt-1 هستند یک مدل کلی به نام مدل وابسته به حالت (sstate dependent model) را بصورت ...

وجود تغییرات ساختاری در سری‏های زمانی مالی از عواملی است که موجب می‏شود مدلهای خطی برای تحلیل این سریها مناسب نباشند. نادیده گرفتن این تغییرات در سطح میانگین و واریانس سری‏های زمانی اثرات نامطلوبی روی تحلیل‏ها خواهد گذاشت. در بسیاری از سریهای زمانی مالی و اقتصادی فرض ثابت بودن واریانس برقرار نیست که در این شرایط مدلهای خانواده اتورگرسیو ناهمواریانس شرطی می‏توانن نتایج مطلوبی ارائه ‏دهند. در ای...

سریهای زمانی با حافظه بلند در علوم مختلف کاربردهای فراوانی دارند.در اینگونه سریهای زمانی ،تابع خود همبستگی دوامی نشان میدهد که نه با فرآیندهای arima(p,1.q) و نه با arima(p,0,q) سازگار است.به عبارت دیگر ضرایب خود همبستگی ،مانایی سری را تایید نکرده و پس از یکبار تفاضل گیری هم به نظر می رسد که بیش تفاضل گیری شده باشند.سریهای زمانی arfima (در حالی که فریندهای با حافظه بلند باشند)با تفاضل گیری کسری ...

دقت پیش بینی از مهمترین عوامل مؤثر در انتخاب روش پیش بینی است. امروزه به رغم وجود روشهای متعدد پیش بینی، هنوز پیش بینی دقیق مالی کار چندان ساده ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روشهای متفاوت به منظور حصول نتایج دقیق تر می باشند. در حالت کلی انتخاب مؤثرترین روش به منظور پیش بینی، کار بسیار دشواری می باشد. بسیاری از محققان روشهای خطی و غیرخطی را به منظور حصول نتایج دقیق تر با یکدیگر ...

فرآیند درون یابی داده های گمشده در تحلیل سریهای زمانی بسیار مهم است . روش مرسوم استفاده از مدلهای اتو رگرسیو – میانگین متحرک باکس و جنکینس جهت درون یابی این داده ها است . در تحقیقات پیشرفته اخیر در مباحث سری زمانی روش دیگر بیان مدلهای سری زمانی در قالب مدلهای فضای حالت و استفاده از صافی کالمن است . در این پایان نامه نخست روشهای درون یابی مقادیر گمشده در سری زمانی را معرفی کرده و سپس با استفاد...

در این پژوهش سعی کرده ایم که با استفاده از داده های سالانه اهداف توسعه هزاره و مدلهای اقتصاد سنجی سری زمانیarima مقادیر شاخص های زیست محیطی و اقتصادی در سال 2015 میلادی را برآورد کرده و جایگاه ایران در مقایسه با کشورهای منطقه خاورمیانه و آسیای مرکزی به تفکیک هر یک از شا خص ها را ارائه می کنیم.در بخش تحلیلی این مطالعه مقادیر آتی مربوط به هر یک از شاخص ها را برآورد کرده و در جدول رتبه بندی قرار م...