روش های هوش محاسباتی، همچون شبکه های عصبی مصنوعی و منطق فازی، به عنوان ابزاری محبوب به منظور پیش بینی بازارهای پیچیده ی مالی معرفی شده اند. دقت پیش بینی ها ازجمله مهم ترین مشخصه های مدل های پیش بینی است و تلاش برای بهبود بخشیدن کارایی مدل های سری های زمانی هرگز متوقف نشده است. امروزه علی رغم روش های متعدد پیش بینی سری های زمانی که در چند دهه ی اخیر پیشنهاد شده اند، هنوز پیش بینی نرخ های ارز، کا...

در این مقاله به بررسی روشهای آماری برای تشخیص قلب سالم از قلب بیمار با استفاده از ریتم ضربان قلب می پردازیم. در ابتدا مروری بر چند روش شناخته شده خواهیم داشت و سپس دو روش جدید را ارایه خواهیم کرد. در روش اول ویژگی خود متشابهی بسیط (ess) و در روش دوم یک مدل بازگشتی روی ضربان قلب افراد سالم و بیمار مورد بررسی قرار گرفته است. این دو ویژگی با دقت خوبی قادرند بین افراد سالم و بیمار تفاوت قائل شوند.

سابقه و هدف: پیش بینی دقیق رواناب رودخانه ها نقش مهمی در مدیریت بهینه منابع آب در دسترس دارد. در سال های اخیر، ماشین بردار پشتیبان (svm) که یکی از مهمترین مدل های داده کاوی است برای این منظور مورد توجه قرار گرفته است. این مدل یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه سازی مقید است که از اصل استقرای کمینه سازی خطای ساختاری استفاده کرده و منجر به یک جواب بهینه کلی می گردد. همانند مدل های داده ...

منطقه جنوب شرق کشور از جمله مناطقی است که سالانه شاهد توفان­های گرد و غبار فراوان در محدوده سرزمینی خود است. بر اساس همین ضرورت، هدف نهایی پژوهش حاضر تحلیل سری­های زمانی توفان­های گرد و غباری استان در مقیاس­های ماهانه، فصلی و سالانه، شناسایی مدل احتمالی مولد داده­ها و در نهایت الگوسازی برای اظهار نظر در مورد رفتار آینده سری توفان­های گرد و غبار می­باشد. برای انجام پژوهش از آمار هفت ایستگاه بالا...

آگاهی از دبی جریان و پیش بینی آن به ویژه در مواقعی که رودخانه با کم آبی مواجه است امری ضروری در جهت مدیریت بهره برداری از رودخانه است. در این مقاله به منظور مدل سازی سری های زمانی تشکیل شده از کم آبی های ماهانه و پیش بینی مقدار و زمان وقوع کم آبی ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-arima) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکه تطبیقی-anfis) ...

ویژگی‌های تصادفی بودن پدیده‌های زهکشی سبب شده تا بتوان از مفاهیم متغیرهای تصادفی و سری‌های زمانی در مدل‌سازی و پیش‌بینی عملکرد آنها استفاده شود. هدف از پژوهش حاضر بررسی قابلیت مدل‌های سری زمانی در پیش‌بینی عملکرد سامانه زهکشی زیرزمینی شبکه ران بهشهر (که زهکش‌های آن به وسیله باران فعال می‌شوند) بود. در این مطالعه در ابتدا مدل Drainmod واسنجی و سپس متغیرهای شدت تخلیه زهاب و عمق سطح ایستابی توسط م...

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...

شبکه های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی های زمانی غیرخطی می پردازند. مزیت این مدل ها در مقایسه با مدل های سری زمانی این است که نیاز به فرضیات محدود کننده نمی باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می باشد. برای این منظور با استفاده از روش های خودگردان، می توان دقت برآوردگرها را در ساختارهای پیچید...

در طول سالیان گذشته استفاده از فرآیند¬های markov-switching (ms) جهت مدل¬نمودن دینامیک غیرخطی تلاطم سری¬های زمانی مالی به دلیل انعطاف¬پذیری آن در لحاظ ساختارهای مختلف برای داده¬ها به طور قابل ملاحظه¬ای افزایش یافته است. فرض متداول توزیع بازده، نرمال می-باشد در حالی که تحقیقات نشان داده است سری¬های زمانی مالی دارای چولگی معناداری نیز می¬باشند که چشم¬پوشی از آن می¬تواند منجر به خطا در پیش¬بینی که ...

با استفاده از مدل‌­های سری زمانی و زنجیره مارکف مرتبه اول امکان پیش‌­بینی پدیده خشکسالی در بخش خشک و نیمه‌خشک مرکز و شرق ایران مورد بررسی قرار گرفت. برای این منظور با استفاده از داده­‌های بارش 69 ایستگاه سینوپتیک و اقلیم‌شناسی منطقه مورد مطالعه در دوره 2005-1975 نمایه SPI در مقیاس‌های زمانی سه، شش و 12 ماهه برای همه ایستگاه‌­ها محاسبه شد. با استفاده از تحلیل مولفه‌­های اصلی و چرخش به روش وریمکس...