نتایج جستجو برای: مدل آریما
تعداد نتایج: 119981 فیلتر نتایج به سال:
مدلهای پیشبینی سری زمانی فازی در دهههای اخیر گسترش زیادی پیدا کردهاند. این نوع مدلها برای دادههای دارای ابهام و ناکامل که ساختار خطی ندارند رفتار مناسبی ارایه دادهاند. این مقاله به بررسی مدل درصد تغییرات سریهای فازی پرداخته و با مدل آریما مقایسه کرده است. کارایی مدل پیشنهادی برای پیشبینی بر روی نفت خام اوپک مورد ارزیابی قرار گرفت و نشان داده شد که این مدل برای دادههای با نوسانه...
خشکسالی پدیدهای است که برای پیشبینی آن نمیتوان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش میکنند با استفاده از مدلهای پیشرفته دقت پیشبینیها را افزایش دهند. در این زمینه، مدلهای استوکاستیک خطی، شبکة عصبی مصنوعی، و مدلهای هیبرید میتوانند در دقت پیشبینی مفید باشند. تحقیق حاضر به بررسی کارایی مدلهای اتورگرسیو میانگین متحرک تجمعی (ARIMA)، شبکة عصبی مصنوعی مستقیم (DMSNN)، شبکة عص...
پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر بهویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیشبینی نوسانات سطح آب زیرزمینی در دشت مروست از مدلهای سری زمانی و شبکه عصبی استفاده شد. برای مدلسازی، اطلاعات سطح آب زیرزمینی در طی سالهای 88-1366 استفاده و مدلهای مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر دادهها برازش داده شد. کارآیی و دقت مدلهای آریما در پیش...
بارش از عمده ترین عناصری است که در تعیین اقلیم یک منطقه تاثیر اساسی دارد و یکی از شاخص های اصلی در پهنه بندی و طبقه بندی اقلیمی بشمار می رود. برنامه ریزی مبتنی بر روند بارش و پیش بینی آن می تواند یکی از عناصر مهم و چشم گیر در کشاورزی و راهگشای بسیاری از مسائل زیست محیطی و کشاورزی باشد؛ بنا بر آشکارسازی چرخه های غالب در بارش سالانه استان فارس در ایستگاه های منتخب (شیراز، فسا، فیروزآباد، لار، سدد...
خشک سالی پدیده ای است که برای پیش بینی آن نمی توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می کنند با استفاده از مدل های پیشرفته دقت پیش بینی ها را افزایش دهند. در این زمینه، مدل های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل های هیبرید می توانند در دقت پیش بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل های اتورگرسیو میانگین متحرک تجمعی (arima)، شبکة عصبی مصنوعی مستقیم (dmsnn)، شبکة عص...
عوامل زیادی بر قیمت نفت خام تأثیر میگذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیشبینی این متغیر از طریق مدلهای چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدلهای تک متغیری روش مناسبی باشد. در این مدلها از حافظه تاریخی متغیر برای مدلسازی و پیشبینی استفاده میشود. اما یکی از محدودیتهای مدله...
پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر بهویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیشبینی نوسانات سطح آب زیرزمینی در دشت مروست از مدلهای سری زمانی و شبکه عصبی استفاده شد. برای مدلسازی، اطلاعات سطح آب زیرزمینی در طی سالهای 88-1366 استفاده و مدلهای مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر دادهها برازش داده شد. کارآیی و دقت مدلهای آریما در پیش...
بنا بر اهمیت روز افزون تأمین آب در کشور، مدیریت منابع آب از اهمیت ویژه ای برخوردار است. پیش بینی بارندگی به عنوان یکی از مهمترین پارامترهای اقلیمی از اهمیت ویژه ای در استفاده از منابع برخوردار است. برای پیش بینی بارش می توان از سری های زمانی استفاده کرد. پژوهش حاضر در سه ایستگاه منتخب (اهواز، آبادان و دزفول) از استان خوزستان به منظور مقایسه دقت مدل های باکس- جنکینز انجام شده است. برای این منظور...
روش های آماری ابزاری مفید جهت شناخت رفتار متغیرهای اقلیمی هستند. در این مطالعه برای شناسایی رفتار میانگین سالانه دمای گرگان طی دوره آماری 1956 تا 2005 از تکنیک های آماری شناخت روند، نوسان و افت و خیز استفاده شده است. آزمون run test با خطای 05/0 نشان داد که داده های میانگین دمای سالانه تصادفی هستند. نتایج آزمون های تعیین روند همبستگی پیرسون، اسپیرمن و من – کندال و همچنین رگرسیون خطی نشان داد که ...
برآورد میزان دقیق رسوبات معلق در رودخانه ها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سدسازی، حیات آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روش های مختلفی برای بررسی و برآورد رسوبات معلق رودخانه، موجود می باشد که البته توانایی این روش ها متفاوت است. در تحقیق حاضر به منظور مقایسه و بررسی توانایی مدل های سری زمانی شامل مارکف، arima و شبکه های عصبی در پیشبینی رسوب معلق، از داده های ر...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید