در نظر گرفتن یک فرض کلاسیک در ساختمان سری ها موجب شده است، مشاهدات را با یک الگوی خطی که ضرایبش با زمان تغییر نمی کند در نظر گیرند. اما بسیاری از سری های زمانی دارای میانگین و واریانس ثابتی در طول زمان نیستند در این شرایط مدل های اتورگرسیو مشروط به ناهمسانی واریانس اغلب به نتایج مطلوبی منجر می شوند. تحقیقات نشان داده اند مدل های شبکه عصبی برای نمایش رفتار غیرخطی داده ها نیز از عملکرد قابل توجهی...

فرآیند جریان رودخانه یکی از سیستم­هایی است که در مقیاس زمانی و مکانی مکانیسم غیر خطی در آن می­تواند حاکم باشد. در بسیاری از مدل های برازشی بر روی سری­های جریان رودخانه از مدل های خطی استفاده می­شود در حالی که معمولا فرآیند حاکم بر جریان رودخانه بیشتر ماهیت غیرخطی دارد. با این وجود نوع غیرخطی حاکم بر فرآیند سیستم رودخانه و شدت آن در مقیاس های زمانی مختلف مشخص نیست. فرآیند جریان رودخانه شهرچای ار...

به کارگیری سیستم های غیرخطی پویا در تحلیل سری های زمانی اقتصادی، مدت هاست که مورد توجه اقتصاددانان قرار گرفته است. سیستم های غیرخطی پویا، رفتارهای مختلفی را از خود بروز می دهند، که می تواند در توجیه بسیاری از پدیده های اقتصادی که به نظر تصادفی می آیند، به کار گرفته شود. در این مقاله، راهکاری ارایه شده است، که براساس آن می توان تابع پویای خاصی را برای مدل سازی سری زمانی مفروضی به کار گرفت. ابتدا...

شبکه ی عصبی مصنوعی کاربرد وسیعی در مهندسی و سایر علوم دارد. با الهام گرفتن از معماری مغز، شبکه ی عصبی مصنوعی کلاسی از مدل های غیرخطی قابل یادگیری از داده ها را نمایش می دهد. شبکه های عصبی در موارد بسیاری کاربرد دارند از جمله ی طبقه بندی و پیش بینی. این پایان نامه یک نگاه آموزشی به شبکه های عصبی دارد و بر روی شبکه های عصبی انتشار برگشتی به عنوان روشی برای تقریب رگرسیون و سری زمانی غیرخطی تمرکز ش...

تعیین الگوی مناسب یکی از مسائل مهم در مدل سازی و پیش بینی سری های زمانی، با توجه به مکانیسم سیستم مورد نظر است. اغلب، بدون بررسی خطی یا غیرخطی بودن سیستم از مدل های رایج خطی سری زمانی استفاده می شود. در این تحقیق فرآیند جریان رودخانه های نازلوچای، شهرچای و باراندوزچای واقع در استان آذربایجان غربی و غرب دریاچه ارومیه با آزمون غیرخطی bds در سه مقیاس زمانی (سالانه، ماهانه و روزانه) بررسی شده است. ...

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...

روند تغییرات شاخص کل قیمت سهام، همواره به‎عنوان یکی از ملاک‌های سرمایه‎گذاری مدنظر قرار می‌گیرد. به دلیل وجود دو مؤلفه‌ای غیرخطی و متلاطم سری زمانی شاخص قیمت، در این پژوهش سعی شده مدل هیبریدی نوینی ارائه شود که بتواند روند حرکتی و تغییرات شاخص را با بیشترین دقت پیش­بینی کند. در این مدل ابتدا با استفاده از تبدیل موجک، سری زمانی شاخص به شش سری زمانی مجزایی که ویژگی‌های غیرخطی و متلاطم شاخص مدنظر ...