چکیده یکی از متداول ترین مدل های آماری مطالعه شده مدل رگرسیون خطی است که خطاهایش به طور دنباله وار وابسته و از یک الگو سری زمانی پیروی می کند. در این پایان نامه کاربرد روش شبه کمترین مربعات ( ) را که به عنوان یک روش جدید برای برآورد پارامترها در مدل رگرسیون سری زمانی با خطای با ساختار مدل اتورگرسیواز مرتبه مورد بررسی و مطالعه قرار می گیرد. این روش شبه کمترین مربعات توسط چاگانتی (1997) برای تح...

وابستگی جنبه های مختلف زندگی انسانی از جمله برنامه ریزی های مبتنی بر دانسته های اقلیمی، به عناصر اقلیمی به ویژه دما و افت و خیزهای آن، مطالعه رفتار دما را مورد توجه محافل علمی قرار داده است. در تحقیق حاضر از داده های ماهانه دمای میانگین، حداکثر و حداقل 22 ایستگاه سینوپتیک، تبخیرسنجی و کلیماتولوژی تحت نظارت سازمان هواشناسی و وزارت نیرو در استان زنجان و استان های همجوار بهره گرفته شد. با استفاده ...

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...

برای شبیه سازی سری های زمانی، روش هیا مختلفی ارائه شده اند که از آن جمله می توان مدل های سری زمانی ar، arma و armax و روش های رگرسیون چندخطی (mlr) و رگرسیون ناپارامتری (k-nn) را برشمرد. در این تحقیق، عملکرد این روش ها در برآورد داده های مفقود و پیش بینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل armax با استفاده از ورودی های استاندارد شده دمای کمینه و بیشینه، متوسط دما،...

به منظور مدل سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل های داده­های خودهمبسته، از رویکردهای پایداراستفاده می­شود. وجود داده های پرت و آلودگی ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده های گذشته بر داده­های اخیر اثرگذار هستند، این داده ها معمولاً در قالب سری زمانی مدل­سازی می شوند. در این تحقیق، مدل­های خود رگرسیون به عنوان یکی از مدل­های مطر...

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش بینی دقیق تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه ریزی و مدیریت منابع آب از جمله بهره برداری از مخازن و طراحی سازه های کنترل سیلاب با استفاده از ابزارها و روش های نوین مدلسازی می طلبد. در این راستا، مدل های سری زمانی از دیرباز مورد توجه هیدرولوژیست ها بوده اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسی...