این مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورّم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورّم ایران، مدل شبکة عصبی مصنوعی در پیش بینی آیندة نزدیک در مقایسه با سری های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقّف زودهنگام در مرحلة یادگیری شبکة عصبی برای پیش بینی...

فرایند گرم شدن کره زمین در طی قرن گذشته علاوه بر اثراتی که بر میزان هریک از عناصر جوی داشته بر زمان رخداد هر یک از عناصر جوی در طول سال زراعی نیز می­تواند تأثیرگذار باشد. به منظور بررسی تغییرات احتمالی در سری­های زمانی تاریخ گذر آغاز و خاتمه آستانه­های بارش 1/0 و 5 میلی­متر در سطح کشور و تشخیص نوع و جهت روند آنها، از داده­های بارش روزانه 29 ایستگاه هواشناسی سینوپتیک کشور با دوره مشترک 45 ساله (...

هنگامی که مشاهدات گذشته با آینده دور همبستگی بالایی داشته باشد و رابطۀ آن ها قابل چشم پوشی نباشد، سری زمانی مورد مطالعه دارای ویژگی حافظۀ بلندمدت است. سنجش وجود حافظۀ بلندمدت در یک سری زمانی کاربردهای فراوانی در حوزه های گوناگون مالی دارد. در این پژوهش وجود حافظۀ بلندمدت در سری بازده شاخص های بیمه، بانک، فراورده های نفتی، منسوجات، شیمیایی و زراعت در بورس اوراق بهادار تهران (در دورۀ زمانی 1/1/13...

در این مطالعه، میانگین درجه حرارت ماهانه در ایستگاه هیدرومتری شاه مختار در استان کهگیلویه و بویراحمد برای یک دوره 39ساله بین سال های 1349 تا 1388 مورد بررسی قرار گرفت.جهت مدل سازی درجه حرارت در این ایستگاه از تکنیک تحلیل کاوشگرانه داده ها (eda) استفاده شد. روش های گرافیکی متعددی، مانند استفاده از نمودارهای تناوب نگار، خود هم بستگی و خود هم بستگی جزئی برای بررسی داده ها از جمله وجود چرخه (s) و م...

هدف اصلی از این تحقیق تعمیم روشهای رگرسیونی نیرومند به مدلهای سریهای زمانی است . در ابتدا پس از ارائه روشهای رگرسیونی نیرومند شامل رگرسیون ‏‎l1‎‏ ، ‏‎-m‎‏ برآورد ها ، ‏‎-gm‎‏ برآوردها، روش ‏‎lms‎‏ و روش ‏‎lts‎‏ جهت انتخاب بهترین روش ، به مقایسه کارایی آنها در رابطه با کاهش اثر نقاط پرت بر روی برآورد پارامترهای مدل پرداخته می شود. در ادامه پس از بیان انواع نقاط پرت و روشهای شناسایی آنها در مدلها...

سری های زمانی نقش مهمی در برنامه ریزی، طراحی و تحلیل سیستمهای هیدرولوژیک دارند. با توجه به آنکه پدیده های هیدرولوژیک وابسته به زمان می باشند، سری های زمانی می توانند به ابزاری قدرتمند به منظور تحلیل این سیستمها بدل شوند. سیلاب یکی از مهم ترین و مخرب ترین پدیده های هیدرولوژیک است که در چند سال گذشته اثرات اقتصادی و اجتماعی زیادی در استان مازندران برجا گذاشته است. یکی از شاخص های مهم سیلاب دبی حد...

شبکه های عصبی مصنوعی، یکی از روش های جدید و کاربردی در آمار ریاضی بوده و در مدل سازی، شناخت مدل، خوشه بندی و پیش بینی بکار می رود. در این تحقیق پس از معرفی شبکه های عصبی مصنوعی، عوامل مختلف ساختاری، روش های متفاوت یادگیری شبکه های عصبی و انتخاب و استفاده از داده ها در فرآیند پیش بینی، مورد ارزیابی قرار می گیرد. سپس نظریه تحلیل مقادیر ویژه منفرد به عنوان روش جدیدی برای تحلیل سری زمانی معرفی می ش...

هدف از انجام این پژوهش واکاوی وردایی مقدار و زمان رخداد بارش در ایستگاه همدید ایلام است. در این مطالعه از داده­های روزانه­ی بارش ایستگاه همدید ایلام طی بازه­ی زمانی 1/3/1365 تا 31/6/1391 استفاده شد. همگنی و ناهمگنی داده­های بارش به کمک دو آزمون انحرافات تجمعی و بیشینه­ی و رسلی ارزیابی گردید. معناداری روند داده‌ها به کمک آزمون نا پارامتریک من­کندال محاسبه شد. برای برآورد شی...

در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آم...