طراحی مدل پیش بینی تعداد تصادفات در تقاطعات براساس مدلهای آماری و شبکه عصبی

طراحی مدل پیش بینی قیمت آتی طلا در بورس کالای ایران با استفاده شبکه عصبی فازی

چکیده: طلا همواره به عنوان فلزی گران بها مورد توجه بشر بوده است، بنابراین پیش بینی قیمت آن از اهمیت فراوانی برخوردار است. در چند دهه گذشته که روش های ابتکاری و هوش مصنوعی متدوال نشده بودند، برای پیش بینی از روش های کلاسیک برای پیش بینی قیمت استفاده می نمودند. با این وجود بازار طل

طراحی مدل پیش بینی سود مبتنی بر شبکه های عصبی مصنوعی با استفاده از اطلاعات مالی و مدل کسب و کار شرکتهای حاضر در بورس اوراق بهادار تهران

پیش‏بینی سود حاصل از سرمایه‏گذاری همواره مورد توجه فعالان حوزه‏ی سرمایه‏گذاری بوده است. از طرفی ایده‏ی دسته‏بندی سازمانها همواره بر اساس دسته‏بندی بر اساس صنعت صورت می‏گرفته است. در پژوهش حاضر نوع جامع تری از دسته‏بندی سازمانها که بر اساس مدل کسب و کار آنها صورت می گیرد معرفی می‏

ارزیابی پیش بینی جریان های نقدی عملیاتی به وسیله شبکه عصبی مصنوعی و مقایسه آن با مدل های مبتنی بر رگرسیون

به دلیل اهمیت به سزای جریان های نقدی در موفقیت واحدهای اقتصادی و تأثیرگذاری آن در تصمیمات اقتصادی سرمایه گذاران و اعتبار دهندگان، پیش بینی جریان های نقدی از موضوعات مهم مورد مطالعه تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در این زمینه، به بررسی ارتباط خطی متغیرهای مستقل با ج

طراحی مدل پیش بینی نرخ ارز در مبادلات فارکس با استفاده از شبکه عصبی

طراحی مدل پیش بینی تقاضای حمل و نقل مسافر در ایران؛تلفیق مدلهای ardl و الگوریتم ژنتیک

اقتصاد حمل و نقل رشته ای از علم اقتصاد است که در جریان تجزیه و تحلیل عوامل عرضه و تقاضا، شیوه استفاده بهینه و مطلوب از امکانات و سرمایه های حمل و نقل را برای رفع نیازهای حمل و نقل در زمان و مکان معین ارائه می دهد. حمل و نقل از ضرورت ها و اساس مبادلات بازرگانی و کلید توسعه اقتصادی

ارائه مدل پیش بینی نشست سطح زمین در مجاورت تونل های شهری با استفاده از شبکه های عصبی

گسترش روز افزون فضاهای زیرزمینی به خصوص تونل های مترو در شهرهای پرجمعیت موجب اهمیت یافتن مطالعات در زمینه ارزیابی پیامدهای ناشی از حفر تونل شده است. از جمله پدیده های مهم ناشی از حفر تونل ها، وقوع نشست هایی در سطح زمین می باشد که این پدیده در مورد تونل های حفر شده در مناطق شهری ا

ارائه مدل پیش بینی تعداد تصادفات حمل و نقل کالا مشتمل بر فوتی و جرحی با استفاده از برنامه ریزی ژنتیک

امروزه به دلیل اهمیت یافتن حمل‌ونقل در کشورهای رو به توسعه، پرداختن به مباحث مرتبط با برنامه‌ریزی ایمنی حمل‌ونقل نیز اهمیت زیادی پیداکرده است. یکی از موضوعات مهم در مبحث برنامه‌ریزی ایمنی، همگام‌سازی برنامه‌ریزی ایمنی با مراحل برنامه‌ریزی حمل‌ونقل است و پیش‌بینی تصادفات در مقیاس

مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات

تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزا

مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات

تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزا

طراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)

تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله

طراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضو

طراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضو