تجزیه و تحلیل سری های زمانی شمارشی، در سال های اخیر رشد و توسعه بسیاری پیدا کرده است. در این تحقیق، مسئله پیش بینی سری های زمانی مقدار صحیح، به وسیله مدل بندی فرآیندinar ضمن بررسی خواص نظری و کاربردهای عملی مدل در گرفته شده است. روش بیزی برای بدست آوردن پیش بینی نقطه ای و فاصله ای برای مقادیر آینده فرآیند استفاده شده و با پیش بینی کلاسیک آنها مقایسه می گردد. روش های پیشنهادی، با یک مطالعه شبیه سازی و مثال واقعی مورد بررسی قرار می گیرد.
تحلیل سری های زمانی شمارشی در سال های اخیر رشد و توسعه ی بسیاری پیدا کرده است. این سری ها اغلب بیش پراکنده هستند و مدل اتورگرسیو ناهمواریانس شرطی تعمیم یافته ی شمارشی قادر به توصیف فرآیندهای شمارشی بیش پراکنده و ناهمسان در واریانس می باشد. این تحقیق سریهای زمانی شمارشی با
تحلیل سری های زمانی شمارشی در سال های اخیر رشد و توسعه ی بسیاری پیدا کرده است. این سری ها اغلب بیش پراکنده هستند و مدل اتورگرسیو ناهمواریانس شرطی تعمیم یافته ی شمارشی قادر به توصیف فرآیندهای شمارشی بیش پراکنده و ناهمسان در واریانس می باشد. این تحقیق سریهای زمانی شمارشی با
رکوردها در زمینه های متنوعی از جمله هواشناسی، اقتصاد، ورزش و غیره به کار می روند. پیش بینی رکوردها در موقعیت های مشاهده نشده از اهمیت خاصی برخوردار است. همچنین گاهی اوقات بدلیل اندازه گیری های نامناسب، شبیه سازی هایی به منظور انجام پیش گویی برای دوره های آینده نیاز است. به منظور
آلودگی هوا یکی از مشکلات مهم شهر های بزرگ محسوب می شود. یکی از اهداف مسئولین شهری آگاه سازی شهروندان از میزان کیفیت هوا در مناطق مختلف شهر و در زمان های متفاوت است. با توجه به مضرات ازن بر سلامت انسان و محیط زیست و افزایش آن در دهه های گذشته، ازن از آلاینده های بسیار مهم محسوب می
در بسیاری از مسائل واقعی و کاربردی گاهی اوقات ناچار هستیم پیش بینی مقدار آینده یک سری زمانی را بر اساس تعداد مشاهدات محدود و اندکی انجام دهیم. در چنین وضعیتی روش های کلاسیک کارایی لازم را نخواهند داشت زیرا برای استفاده از این روش ها لازم است تعداد مشاهدات زیاد باشداما به هر حال ا
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
به منظور مدل سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل های دادههای خودهمبسته، از رویکردهای پایداراستفاده میشود. وجود داده های پرت و آلودگی ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده های گذشته بر دادههای اخیر اثرگذار هستند،
به منظور مدل‌سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل‌های دادههای خودهمبسته، از رویکردهای پایداراستفاده میشود. وجود دادههای پرت و آلودگی‌ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، دادههای گذشته بر دادههای اخیر اثرگذار هستند
در بسیاری تحقیقات مربوط به آزمونهای طول عمر، با محدودیتهایی مانند زمان و تعداد واحد نمونه مواجه هستیم، که این عوامل باعث می شود پژوهشگر دسترسی به کل داده ها نداشته باشد. بنابراین پیش بینی مقادیر مشاهده نشده بر اساس اطلاعات واحدهایی از نمونه که در دسترس می باشند، ارزش مطالعه دارد.
با توجه به محدودیت منابع آبی و خطر بحران آب در ایران و اینکه سالانه مقدار زیادی از ذخایر منابع آبی کشور به دلیل برداشت بیش از حد کاهش یافته و منجر به بحرانی شدن دشت ها و در نتیجه ایجاد بیلان منفی می شود، یافتن راههایی برای پیش بینی مقدار سطح آّب قبل از حفر چاهها ضروری است. سطح آب
پیشبینی کیفیت آب رودخانهها به منظور مدیریت مناسب حوضه آنها ضروری است، تا بتوان برای کنترل مقدار آلایندهها و رساندن آنها به حد مجاز گامهایی برداشت. در مقاله حاضر، قابلیت پیشبینی سریهای زمانی پارامترهای هدایت الکتریکی و کلر ایستگاه آستانه از رودخانه سفیدرود با استفاده از مدل
پیش بینی جریان های نقدی عملیاتی بر اساس الف : سری جریان های نقدی عملیاتی گزارش شده و یا ب: سایر سری های زمانی به عنوان جایگزین جریان های نقدی عملیاتی انجام می شود. سری های جایگزین، به طور معمول، الگوریتم های ساده ای از اجزای صورتهای مالی هستند. تحقیقات نشان میدهد، ویژگی ها و توان