پیش بینی سری های زمانی تجمعی کوتاه مدت به روش رگرسیونی بر اساس مجموع های جزیی

اسناد مشابه

• مدلسازی و پیش بینی سری زمانی شاخص های خشکسالی با روش های یادگیری ماشین به منظور مدیریت مخاطرات (مطالعۀ موردی: منطقۀ شرقی اصفهان)

  مقاله۲۰۱۵دانش مخاطراتایمان خسروی، مهدی آخوندزاده، محمدمهدی خوشگفتار

  خشکسالی پدیده ای پیچیده و مخاطره آمیز در کل جهان به­ویژه ایران به شمار می آید. تعیین و پیش­بینی شدت خشکسالی می تواند در مدیریت مخاطرات ناشی از آن مؤثر باشد. برای تعیین شدت خشکسالی از شاخص­هایی استفاده شده که به دو دستۀ کلی شاخص­های هواشناسی و سنجش از دور تقسیم می شوند. مهم ترین ش

• پیش بینی سری زمانی تعداد معلولیت های مربوط به حوادث ناشی از کار برای بیمه شدگان تأمین اجتماعی بین سال های ۱۳۷۹ تا ۱۳۸۹ در ایران با استفاده از روش تحلیل باکس جنکینز

  مقالهمجله علوم پزشکی رازیمهدی ایمانی، mehdi imani tehran university of medical sciencesدانشگاه علوم پزشکی تهران مسعود صالحی، masoud salehi tehran university of medical sciencesدانشگاه علوم پزشکی تهران آغا فاطمه حسینی، agha fatemeh hosseini tehran university of medical sciencesدانشگاه علوم پزشکی تهران

  زمینه و هدف: کنترل وقوع حوادث در محل کار موضوعی است که در تمامی کشورهای جهان مورد توجه قرار گرفته است. پیامدهای مالی وقوع این حوادث و زیان های اقتصادی که از این طریق به شرکت های مربوطه تحمیل می شود، تنها یکی از جنبه های کوچک این آسیب است؛ حال آنکه با در نظر گرفتن آسیب های غیر اقت

• کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

  مقاله۲۰۱۳علوم و مهندسی آبیاریحسین ملکی نژاد، ربابه پورشرعیانی

  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 اس

• کاربرد روش پنجره لغزان برای انتخاب ساختار شبکه عصبی با تاخیر زمانی در پیش بینی سری های زمانی مالی

  مقاله۲۰۱۵پژوهشنامه اقتصادیمحمدرضا اصغری اسکویی

  چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل سازی برگرفته از محاسبات هوشمند است که در کنار روش های کلاسیک برای پیش بینی سری های زمانی مالی بکار گرفته می شود. این مدل اغلب در مواردی که از سری زمانی داده های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می شود، از این

• بررسی مقایسه‎ای توان پیش‎بینی شبکه‎های عصبی مصنوعی با روش توقف زود هنگام و فرایند سری زمانی خودبازگشت در براورد نرخ تورم

  مقاله۲۰۰۸مجله تحقیقات اقتصادیپیام حنفی زاده، حسین پورسلطانی، پریسا ساکتی

  این مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورّم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورّم ایران، مدل شبکة عصبی مصنوعی در پیش بینی آیندة نزدیک در مقایسه با سری های زمانی خودبازگشت، به‎

• مقایسه کارایی پیش بینی دبی ماهانه با استفاده از روش های شبکه عصبی مصنوعی و سری های زمانی

  مقاله۲۰۱۳مهندسی و مدیریت آبخیزمجید خزایی، محمد رضا میرزایی

  پیش­بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می­باشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروری ترین مسائل برای مدیریت منابع آب می باشد. پژوهش حاضر با هدف مقایسه بین مدل های مختلف شبکه عصبی مصنوعی (mlp وrbf) و سری های زمانی آ