نتایج جستجو برای: مدل های arima
تعداد نتایج: 516895 فیلتر نتایج به سال:
در این تحقیق به مقایسه کارایی دو روش پیش‌بینی شبکه عصبی مصنوعی (ANN) و روش سنتی خودرگرسیون میانگین متحرک انباشته (ARIMA) در پیش‌بینی قیمت سهام در بازار سهام ایران پرداخته شده است. بدین منظور 2 شرکت دارویی البرز‌دارو و جام‌دارو انتخاب شده و مدل ARIMA و مدل شبکه عصبی مصنوعی برای هر دو شرکت تخمین زده شد. به منظور تخمین مدل شبکه عصبی مصنوعی، متغیر قیمت سهام به عنوان متغیر وابسته و متغیر‌های حجم معا...
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...
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 ...
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
امروزه برنامه ریزی صحیح برای استفاده بهینه از منابع آبی با هدف رسیدن به توسعه پایدار از اهمیت خاصی برخوردار است. آگاهی از مقدار دقیق تبخیر سطحی روزانه یکی از پارامترهای مهم برای برنامه ریزی های منابع آب، مدیریت آبیاری و تولیدات زراعی است. عدم کفایت تعداد ایستگاه های تبخیرسنجی، ابهام در کیفیت داده ها و خلاءهای آماری موجود در مقاطع مختلف زمانی، پژوهشگران را به سمت مدل های برآورد، سوق داده اس...
مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته می‌شود، یکی از پرکاربردترین مدل‌ها در پیش‌بینی سریهای زمانی است. اما پیش فرض اصلی این مدل خطی بودن سریهای زمانی میباشد. از سوی دیگر شبکهی عصبی یک تخمین زنندهی عمومی است که الگوهای غیر خطی را بسیار خوب مدلسازی مینماید. دانستن الگوی دادهها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...
This paper examines the forecasting performance of ARIMA and artificial neural networks model with published stock data obtained from New York Stock Exchange. The empirical results obtained reveal the superiority of neural networks model over ARIMA model. The findings further resolve and clarify contradictory opinions reported in literature over the superiority of neural networks and ARIMA mode...
OBJECTIVE Emergency department (ED) overcrowding is acknowledged as an increasingly important issue worldwide. Hospital managers are increasingly paying attention to ED crowding in order to provide higher quality medical services to patients. One of the crucial elements for a good management strategy is demand forecasting. Our study sought to construct an adequate model and to forecast monthly ...
This paper presents a comprehensive study of ANFIS+ARIMA+IT2FLS models for forecasting the weather of Raipur, Chhattisgarh, India. For developing the models, ten year data (2000-2009) comprising daily average temperature (dry-wet), air pressure, and wind-speed etc. have been used. Adaptive Network Based Fuzzy Inference System (ANFIS) and Auto Regressive Moving Average (ARIMA) models based on In...
در دو دهه گذشته، ارائه و بهبود مدل های پیش بینی با استفاده از سری زمانی مورد توجه بسیاری از محققین قرار گرفته است. در تجزیه و تحلیل سری های زمانی با استفاده از مدل های سنتی مانند armaکه بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است، بعضا تردیدهایی ایجاد شده است. به همین دلیل پژوهشگران با روش های جایگزین مانند شبکه های عصبی مصنوعی سعی در بهبود نتایج پیش بینی ها دارند. پژوهش ضمن بررسی جامع ادب...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید