Thesis

سریهای زمانی غیرخطی و الگوی sdm

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

یک مدل arma خطی بصورت زیر را در نظر بگیرید. xt+?1xt-1+...+?kxt-k?+?t+?1?t-1+...+?l?t-l همانطور که می دانیم، در مدل پارامترها ثابت فرض می شوند، در صورتی که در کلاس بزرگی از سریهای زمان غیرخطی، پارامترها بصورت تابعی از گذشته خود می باشند. پریستلی با قرار دادن xt-1(?t-1,...,?t-l,xt-1,...,xt-k)?؟ به عنوان بردار حالت ?xt-1 هستند یک مدل کلی به نام مدل وابسته به حالت (sstate dependent model) را بصورت زیر ارائه داد. xt+?1(xt-1)xt-1+...+?k(xt-1)xt-k?(xt-1)+?t+?1(xt-1)?t-1+...+?2(xt-1)?t-l همچنین او نشان داد که با انتخاب شکلهای خاص برای پارامترها، این مدل قابل تبدیل به مدلهای غیرخطی می باشد. در این رساله ساختار کلیه sdm و ارتباط بین این مدل و دیگر مدلها سریهای زمانی بررسی می شود همچنین مسائل مربوط به برآورد پارامترهای این الگو برای سریهای زمانی شبیه سازی شده از الگوهای خطی و غیرخطی مورد ملاحظه قرار خواهد گرفت . در فصل اول مروری کوتاه بر مفاهیم اساسی و بعضی تعاریف کلی در سریهای زمانی می کنیم و بطور مختصر مسائل مربوط به الگوهای غیرخطی را یادآور می شویم. فصل دوم شامل معرفی انواع مختلف الگوهای sdm می پردازیم و با استفاده از الگوریتم فیلتر کالمن، پارامترهای این الگو را برآورد می کنیم و در انتها، در فصل چهارم برای اینکه موثر بودن تکنیک برآورد sdm آزمایش شود، به چند مثال عددی از داده های شبیه سازی شده می پردازیم که نتایج بدست آمده در آن بوسیله دو برنامه تهیه شده به نامهای arsdm و armasdm بدست آمده اند.

Supervisors and advisors

سعید ممهدی هروی

Similar theses

  • مدل رژیم تبدلی برای سریهای زمانی غیرخطی مالی

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه خلیج فارس - دانشکده علوم پایههادی داوران

    یکی از مباحث علم آمار بررسی داده های سری زمانی است. مشاهداتی از داده های مختلف که در طول زمان به دست می آیند، یک سری زمانی را تشکیل می دهند که این سری زمانی می تواند به صورت خطی یا غیرخطی باشد. در دو دهه ی اخیر، شـاهد رشد سریع مدل های سری زمانی غیرخطی بوده ایم. البتـه مدل هـای غی

  • خوشه بندی سریهای زمانی با استفاده از الگوریتم ژنتیک

    Thesis2007وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی کامپیوترمحمدصادق شیخایی

    در سالهای اخیر داده کاوی برروی سریهای زمانی توجه بسیاری را به خود جلب کرده است. شاید بتوان گفت از میان تمام تکنیکهای به کار برده شده برروی سریهای زمانی، خوشه بندی پر استفاده ترین تکنیک می باشد. خوشه بندی سریهای زمانی می تواند به دلایل مختلفی مانند یافتن الگوهای پنهان در داده ها و

  • بررسی ویژگیها وتوان پیش بینی سریهای زمانی جریانهای نقدی عملیاتی میاندوره ای و جایگزینهای آن

    Thesis2009وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرسفیروز دویران

    پیش بینی جریانهای نقدی عملیاتی بر اساس الف : سری جریانهای نقدی عملیاتی گزارش شده و یا ب: سایر سریهای زمانی به عنوان جایگزین جریانهای نقدی عملیاتی انجام می شود.سریهای جایگزین،بطور معمول،الگوریتمهای ساده ای از اجزای صورتهای مالی هستند. تحقیقات نشان میدهد، ویژگیها و توان پیش بینی سر

  • پیش بینی سریهای زمانی با نظریه آشوب و فراکتال

    Thesis2009وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده علوم انسانیفهیمه صایبی بیدگلی

    در این پایان نامه ‎،‎ ضمن مطالعه روشهای آماری پیش بینی سریهای زمانی‎،‎ به توصیف فراکتال‎ها و سریهای ‎زمانی فراکتالی پرداخته شده است‎.‎ سپس کاربرد فراکتال در پیش بینی سریهای زمانی با توجه به رفتار نمای هارست مورد بررسی قرار گرفته است‎.‎ در ادامه به بعضی خواص پایای سیستم‎های دینامی

  • عنوان پایان نامه: کاربرد مدل های سری زمانی غیرخطی جهت مدل سازی جریان های کوتاه مدت رودخانه (مطالعه موردی رودخانه شهرچای ارومیه)

    Thesis2010وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزیکیوان خلیلی

    داده های هیدرولوژیکی به عنوان اطلاعات پایه و اساسی در طراحی و مدیریت علمی پروژه های منابع آب به کار می روند. یکی از ابزار مهم در پیش بینی فرآیندهای هیدرولوژیکی استفاده از مدل سازی سری های زمانی است. سری های تولید شده جریان رودخانه در مطالعات مختلفی نظیر خشکسالی، سیلاب، بهینه سازی

  • سریهای زمانی فازی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم پایهسودابه پگاه

    هدف اصلی این پایان نامه معرفی، تشخیص، مدل بندی و پیش بینی سریهای زمانی ای است که داده های آن قطعیت نداشته و تحت عنوان اعداد فازی و مقادیر زبانی معرفی می شوند. در ابتدا به کمک دو نمایش مفید از اعداد فازی یعنی نمایش آنها بر اساس نقاط برش و برشهای نموی به تجزیه و تحلیل سریهای زمانی

Similar items