نتایج جستجو برای: مدل های arima
تعداد نتایج: 516895 فیلتر نتایج به سال:
The standardized precipitation index (SPI) was used to quantify the classification of drought in the Guanzhong Plain, China. The autoregressive integrated moving average (ARIMA) models were developed to fit and forecast the SPI series. Most of the selected ARIMA models are seasonal models (SARIMA). The forecast results show that the forecasting power of the ARIMA models increases with the incre...
ARIMA is a popular method to analyze stationary univariate time series data. There are usually three main stages to build an ARIMA model, including model identification, model estimation and model checking, of which model identification is the most crucial stage in building ARIMA models. However there is no method suitable for both ARIMA and SARIMA that can overcome the problem of local optima....
Drought forecasting plays a crucial role in drought mitigation actions. Thus, this research deals with linear stochastic models (autoregressive integrated moving average (ARIMA)) as a suitable tool to forecast drought. Several ARIMA models are developed for drought forecasting using the Standardized Precipitation Evapotranspiration Index (SPEI) in a hyper-arid climate. The results reveal that a...
در این تحقیق به پیش¬بینی دو نوع خشکسالی هواشناسی و هیدروژئولوژیکی(در سه مقیاس زمانی)، با استفاده از دو مدل شبکه عصبی مصنوعی و مدل¬های استوکاستیک، در یکی از دشت¬های واقع در جنوب استان قزوین و طی سال¬های 1361-1391 پرداخته شد. درنهایت با ترکیب بهترین ساختارهای هریک از مدل¬های منفرد مذکور مدل ترکیبی بهینه پیشنهاد شد. جهت مدل¬سازی با استفاده از شبکه عصبی پرسپترون چند لایه از چهار سناریوی مختلف ترکیب...
پیشبینی براساس مدلهای چندمتغیری اقتصادسنجی با محدودیتهایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدلهای تک متغیری است. اما اکثر روشهای تکمتغیری برای حصول به نتیجه خوب نیاز به دادههای زیادی دارند. روشهای رگرسیون فازی بهدلیل فازی در نظر گرفتن اعــداد، برای مدلسازی و پیشبینی معمولاً نیاز به دادههای کمتری دارند. از اینرو در این مطالعه کارایی روش رگرسیون خودبازگشتی میانگین ...
مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...
مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...
Measurements of high-speed network traffic have shown that traffic data exhibits a high degree of self-similarity. Traditional traffic models such as AR and ARMA are not able to capture this long-range-dependence making them ineffective for the traffic prediction task. In this paper, we apply the fractional ARIMA (F-ARIMA) model to predict one-step-ahead traffic value at different time scales. ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید