پیش بینی تقاضا با استفاده از شبکه های بیز

پیش بینی گیر رشته های حفاری در میدان مارون با استفاده از شبکه های عصبی

پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های بیز

درماندگی مالی و ورشکستگی شرکت ها منجر به هدر رفتن منابع و عدم بهره گیری از فرصت های سرمایه گذاری می شود. پیش بینی درماندگی مالی با ارائه هشدارهای لازم می تواند شرکت ها را نسبت به وقوع درماندگی مالی و ورشکستگی هوشیار نماید تا آنها با توجه به این هشدارها، به اقدام های مناسب دست بزنند. هدف از انجام این پژوهش، مدل بندی پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاد...

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...

پیش بینی تأخیر قطارهای مسافری با استفاده از شبکه های عصبی

تأخیر در قطارهای مسافری از مسائل چالش بر انگیز در راه آهن محسوب شده و علت‌های مختلفی دارد، و همین مسئله، پیش‌بینی تأخیر قطار‌های مسافری را بسیار مشکل می‌کند. هدف این مقاله ارائه مدلی مبتنی بر شبکه‌های عصبی با دقت بالا برای پیش‌بینی تأخیر قطار‌های مسافری در راه آهن جمهوری اسلامی ایران است. در این مقاله از سه روش مختلف برای ورودی شبکه‌های عصبی شامل ورود به صورت اعداد حقیقی نرمال شده، تبدیل ورودی‌...

پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی

در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...

پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی

پیش­بینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیش­بینی کوتاه مدت بار به ویژگی­های بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از داده­های واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیش­بینی کوتاه مدت بار الکتریکی استان پرداخته­ایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...