تجزیه والد و پیش بینی سری های زمانی هم بسته متناوب
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در پژوهش پیش رو سعی شده است به پیش بینی سری های زمانی که موضوعی چالش برانگیز و پراهمیت در سال های اخیر بوده و کاربرد فراوان یافته است، پرداخته شود. دریک مساله پیش بینی به صورت کلاسیک، از آن جایی که معمولا در فضای گسسته ی سری های زمانی با دینامیک ها سروکار داریم، می توان دینامیک م
سری های زمانی مجموعه مرتبی از مشاهدات هستند که در طول زمان جمع آوری شده اند. فراوانی چنین مشاهداتی، تحلیل سری های زمانی را به یکی از کاربردی ترین شاخه های روز دنیا تبدیل کرده است. روش های تجزیه و تحلیل سری های زمانی شامل رویکردهای خطی محض، رویکردهای غیرخطی محض و رویکردهای ترکیبی
دراین پایان نامه، پیش بینی سـری زمـانـی آشوبـی به کمک بازسـازی فضـای فـاز با استفاده از معادلات مرکز جرم مورد مطالعه قرار می¬گیرد. برای بازسازی فضای فاز از فیلترهای فرکانسی غیرخطی استفاده می شود که تعیین مناسب این فیلترها یک بازسازی فضای فاز مفید را به همراه خواهد داشت. به کمک فض
خشکسالی ویژگی طبیعی و بازگشت پذیر اقلیم است که در اثر کمبود بارندگی در یک دوره زمانی طولانی صورت می گیرد و در اکثر اقلیم ها رخ می دهد. به علت پیچیدگی دینامیک پدیده های جوی، معادلات رگرسیونی بدرستی قادر به پیش بینی این پدیده ها نمی باشند. در دهه های اخیر شبکه های عصبی توانایی زیاد
چکیده پیش بینی آینده در عرصه پویای اقتصاد و بازار سرمایه یکی از مهم ترین مسائل مورد بحث در علوم مالی بوده است به این ترتیب که داده های گذشته تجزیه و تحلیل می گردد تا از آن الگویی قابل تعمیم به آینده حاصل گردد در اغلب روش ها پیش بینی فرض بر این است که روابط بین متغیرها در اینده نی
مدل سازی و پیش بینی سری های زمانی، در حوزه های کاربردی مختلف اهمیت بسزایی دارد. دقت پیش بینی یکی از مهم ترین عوامل موثر در انتخاب روش پیش بینی است. مدل خودرگرسیون میانگین متحرک انباشته (arima ) و شبکه عصبی مصنوعی از پراستفاده ترین مدل های پیش بینی به شمار می آیند. داده های س
مقدمه: سرطان پستان شایعترین سرطان زنان و دومین علت مرگ در کل جهان می باشد. مطالعه حاضر به منظور بررسی روند شناسایی تعداد موارد جدید سرطان پستان و پیش بینی وقوع آن در آینده با تحلیل سری زمانی انجام شد. روش بررسی: مطالعه حاضر یک بررسی مقطعی در طی سالهای 1386 تا سال 1396 به منظور پ
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
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
عملکرد پدیده های طبیعی در نگاه اول معمولا تصادفی به نظر می رسد، لیکن با تغییر مقیاس و حذف نویز می توانند به نوعی نظم دست یابند و امکان پیش بینی آن ها در آینده فراهم گردد. این ایده پایه اصلی نظریه آشوب (1chaos) می باشد که به مطالعه رفتار ناپایدار و غیر پریودیک در سیستم های دینامیک
برای پیشبینی سری زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل ARMA سری زمانی، چالشی است که علاوه بر روشهای متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای م
برای پیشبینی سری زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل arma سری زمانی، چالشی است که علاوه بر روشهای متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای م