در پژوهش پیش رو سعی شده است به پیش بینی سری های زمانی که موضوعی چالش برانگیز و پراهمیت در سال های اخیر بوده و کاربرد فراوان یافته است، پرداخته شود. دریک مساله پیش بینی به صورت کلاسیک، از آن جایی که معمولا در فضای گسسته ی سری های زمانی با دینامیک ها سروکار داریم، می توان دینامیک موردنظر را به صورت نگاشت زیر درنظر گرفت: x(t+t)=f_t (x(t) ) معادل این نگاشت در فضای حالت به صورت نموداری از حالت بع...

در تحقیق حاضر آشوب پذیری سری زمانی بارش در مقیاس های روزانه، هفتگی و ماهانه در ایستگاه های پل کهنه و قورباغستان واقع در حوضۀ رودخانۀ قره سو شهر کرمانشاه بررسی شد. در ابتدا به منظور ارزیابی تصادفی نبودن داده ها، آزمون روش داده های جایگزین مدنظر قرار گرفت. سپس واکاوی غیرتناوبی بودن سری های زمانی با استفاده از آنالیز توان طیف انجام گرفت. نتایج بررسی آشوبناکی نشان داد که براساس دو روش توان لیاپانوف...

بزرگترین نمای لیاپانوف، یکی از کمیت های ناوردای اساسی در مشاهده و تشخیص آشوب در سیستم های دینامیکی می باشد. از آن جا که برای سیستم های آشوبناک گسسته و پیوسته بزرگترین نمای لیاپانوف، مدول تبدیل موجک مقیاس کوچک یک سیستم دینامیکی می باشد، از این خاصیت می توان در مورد تخمین بزرگترین نمای لیاپانوف سری های زمانی تولید شده از یک سیستم دینامیکی استفاده کرد از آن جا که سیستم های دینامیکی مورد مطالعه ما ...

در تحقیق حاضر آشوب‌پذیری سری زمانی بارش در مقیاس‌های روزانه، هفتگی و ماهانه در ایستگاه‌های پل‌کهنه و قورباغستان واقع در حوضۀ رودخانۀ قره‌سو شهر کرمانشاه بررسی شد. در ابتدا به‌منظور ارزیابی تصادفی نبودن داده‌ها، آزمون روش داده‌های جایگزین مدنظر قرار گرفت. سپس واکاوی غیرتناوبی بودن سری‌های زمانی با استفاده از آنالیز توان طیف انجام گرفت. نتایج بررسی آشوبناکی نشان داد که براساس دو روش توان لیاپانوف...

در پژوهش حاضر، ویژگی‌های غیرخطی جریان ماهانۀ رودخانۀ زاینده‌رود، در دو حالت قبل و بعد از نویززدایی، با استفاده از نظریۀ آشوب، طی 43 سال (1350 تا 1392) در چهار ایستگاه هیدرومتری ارزیابی شده است. برای تعیین روند آشوبی یا تصادفی‌بودن جریان رودخانۀ زاینده‌رود، اﺑﺘﺪا به بازسازی فضای حالت پرداخته شده است. به این دلیل، زمان تأخیر بهینه و بُعد محاط با استفاده از روش‌های میانگین اطلاعات متقابل و اﻟﮕﻮرﯾﺘﻢ...

پیش‌بینی سری‌های زمانی، مخصوصاً سری‌های زمانی آشوبیِ سیستم‌های پویای غیر‌خطی، یکی از زمینه‌های مهم تحقیقاتی است و کاربرد زیادی در زمینه‌های گوناگون دارد. از میان روش‌های معرفی‌شده برای پیش‌بینی سری‌های زمانی آشوبناک، به استفاده از شبکه‌های عصبی و سیستم‌های فازی بیشتر توجه شده است. در این مقاله، سیستم استنتاج عصبی - فازی تطبیقیِ بهبودیافته، برای پیش‌بینی سری‌های زمانی آشوبناک پیشنهاد شده است. با تو...

در تحقیق حاضر ابتدا آشوب پذیری سری های زمانی بارش، رواناب و دبی در دو ایستگاه پل کهنه و قورباغستان واقع بر رودخانه قره سو در کرمانشاه در سه مقیاس روزانه، هفتگی و ماهانه بررسی شد. سپس توانایی روش های پیش بینی موضعی و شبکه عصبی مصنوعی در مدل سازی این سری ها مورد ارزیابی قرار گرفت. نتایج نشان دادند که بر اساس دو روش توان لیاپانف و بعد همبستگی، سری زمانی بارش در مقیاس روزانه آشوبناک نبوده و رفتاری ...