با توجه به پیچیدگی فرآیندهای هیدرولوژیکی به ­نظر می­رسد روش­های چند­متغیره با در نظر گرفتن عوامل موٌثر بیشتر، بتواند دقت مدل­های سری زمانی و نتایج حاصل از آن ها را ارتقا دهد. در واقع، نتایج مدل­های چند­متغیره با دخالت دادن عوامل مؤثر دیگر، می­تواند نتایج توصیف، مدل­سازی و پیش ­بینی پارامترهای مختلف را بهبود دهد. در این مطالعه، مدل­های تک ­متغیره آرما و چند­متغیره خودهمبسته با میانگین متحرک هم­زم...

منابع آب زیرزمینی یکی از مهم ترین منابع آب به شمار می روند که شناخت صحیح و بهره برداری اصولی از آنها بخصوص در مناطق خشک و نیمه خشک می تواند در توسعه پایدار بسیاری از فعالیت های کشاورزی، اجتماعی و اقتصادی آن منطقه تأثیر بسزایی داشته باشد. برای آگاهی از وضعیت نوسانات سطح آب زیرزمینی در چنین مناطقی لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی انجام شود. با پیش بینی دقیق نوسانات سطح آب زیرزمی...

مشاهدات سری های زمانی گاهی اوقات تحت تأثیر پیشامدهایی نظیر: اعتصا ب ها، ظهور جنگ ها، بحران های سیاسی و غیره قرار می گیرند. نتایج این پیشامدهای بازدارنده، به وجود آوردن مشاهدات مصنوعی است که با بقیه ی مشاهدات سری زمانی سازگاری ندارد. این قبیل مشاهدات را نقاط پرت می نامند. در این رساله نقاط پرت نوساز، جمع پذیر، تغییر سطح ، تغییر موقت در سری های زمانی چند متغیره مورد بررسی قرار گرفته اند. جهت شن...

با توجه به کاربردهای متفاوت سری های زمانی gps در مباحث ژئودتیکی و ژئوفیزیکی مانند بررسی حرکات تکتونیک، حرکات ایزوستاتیک یخبندان، تغییر شکل پوسته زمین، دینامیک زلزله و غیره نیاز است که سری های زمانی با دقت بالا تقریب گردند. سری های زمانی gps ممکن است شامل یک روند خطی، حرکات متناوب با فرکانس های سالیانه و نیم سالیانه (سیگنال ها)، آفست های احتمالی و یکسری رفتارهای دیگر تحت عنوان نویز باشند. کشف صح...

بیش از 20 سال از جمع آوری داده هایgps می گذرد و درحال حاضر می توان ادعا کرد که سری های زمانی مناسبی از داده های gps در اختیار است. در اغلب استفاده هایی که از این سری های زمانی می شود نویز سفید را به عنوان ماتریس کوریانس مناسب برای کاربردهای مختلف از سری های زمانی انتخاب می کنند و این در حالیست که با گذشت 20سال از جمع آوری این داده ها مدلسازی بهتری از این سیگنال ها ممکن است و دیگر تنها نویز سفید...

در این مطالعه مدل های سری های زمانی چند متغیره به عنوان مدل های تصادفی خطی برای پیش بینی میانگین ماهانه دمای سطح آب خلیج فارس استفاده شد. سری های زمانی داده های این دما برای شش گره دریایی برای دوره 2007-1854 به عنوان پرونده ورودی مدل های چند متغیره سری های زمانی در نظر گرفته شدند. فرایندهای اتورگرسیو برداری برای انجام سری های زمانی چند متغیره به کار برده شدند. نمودارهای خود همبستگی باقی مانده ه...

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...

در این مطالعه مدل های سری های زمانی چند متغیره به عنوان مدل های تصادفی خطی برای پیش بینی میانگین ماهانه دمای سطح آب خلیج فارس استفاده شد. سری های زمانی داده های این دما برای شش گره دریایی برای دوره 2007-1854 به عنوان پرونده ورودی مدل های چند متغیره سری های زمانی در نظر گرفته شدند. فرایندهای اتورگرسیو برداری برای انجام سری های زمانی چند متغیره به کار برده شدند. نمودارهای خود همبستگی باقی مانده ه...

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک – حداقل مربعات ماشین بردا...

در این تحقیق به تاثیر و شناسایی انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح، تغییر موقت در تعیین مدل و براورد پارامترهای سری زمانی چند متغیره پرداخته می شود. برای شناسایی انواع نقاط پرت در مدل سری های زمانی چند متغیره روش تکرار پانکراز و همکاران (2000) مورد توجه قرار می گیرد. سپس توانایی این روش نسبت به روش کلاسیک یک متغیره سری زمانی مورد بررسی قرار می گیرد. از آنجا که قیمت سکه تحت تاثیر قیمت جها...