بـهبود عملکرد پیش بیـنی های مالـی با ترکیـب مدلهـای خـطی و غیـرخـطی خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی

بـهبود عملکرد پیش بیـنی های مالـی با ترکیـب مدلهـای خـطی و غیـرخـطی خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی

دقت پیش بینی از مهمترین عوامل مؤثر در انتخاب روش پیش بینی است. امروزه به رغم وجود روشهای متعدد پیش بینی، هنوز پیش بینی دقیق مالی کار چندان ساده ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روشهای متفاوت به منظور حصول نتایج دقیق تر می باشند. در حالت کلی انتخاب مؤثرترین روش به منظور پیش بینی، کار بسیار دشواری می باشد. بسیاری از محققان روشهای خطی و غیرخطی را به منظور حصول نتایج دقیق تر با یکدیگر ...

بکارگیری مدل های ترکیبی میانگین متحرک خودرگرسیون انباشته فازی احتمالی به منظور پیش بینی نرخ ارز

پیش‌بینی بار الکتریکی با بکارگیری مدل‌های ترکیبی پرسپترون‌های چندلایه و خودرگرسیون میانگین متحرک انباشته فصلی

امروزه صرفه‌جویی در زمان و اقتصاد یک کشور نیازمند برنامه‌ریزی، تصمیم‌گیری و پیش‌بینی‌های درست و منطقی در حوزه‌های مختلف می‌باشد. یکی از این حوزه‌های مطرح در هر کشور، پیش‌بینی بار الکتریکی می‌باشد. این کالا (الکتریسیته) با توجه به اینکه قابل ذخیره‌سازی نمی‌باشد، پیش‌بینی آن با حساسیت بالاتری انجام می‌گیرد. همچنین علاوه بر غیرقابل ذخیره‌بودن، در مصرف این کالا الگوهای مختلفی دیده می‌شود که مدل‌ساز...

مقایسه عملکرد شبکه های عصبی مصنوعی(ann)و مدل میانگین متحرک انباشته اتورگرسیو (arima) در مدلسازی و پیش بینی کوتاه مدت روند نرخ ارز در ایران

نرخ ­­ارز و نوسانات آن به عنوان یکی از مهمترین مسائل بخش بازرگانی خارجی هر کشور از اهمیت ویژه­ای برخوردار است. عوامل زیادی همچون عوامل اقتصادی، سیاسی، و روانی بر نرخ ارز تاثیرگذار هستند و این عوامل خود باعث ایجاد شرایط نااطمینانی بیشتر می­شوند. در این راستا تلاش سیاست­گذاران در کاهش این نااطمینانی از طریق پیش­بینی این متغیر باکمترین خطا بوده است. شبکه­های عصبی مصنوعی از قابلیت بالایی در مدلسازی...

به کارگیری مدل میانگین متحرک خودرگرسیون انباشته فازی به منظور پیش بینی نرخ ارز

در دنیای امروز به کارگیری روشهای کمی پیش بینی در زمینه های مختلف مورد توجه گسترده قرار گرفته است. تغییرات سریع محیطهای ناشناخته در دنیای واقعی و به ویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان به منظور تأمین داده های مورد نیاز شده است. مدلهای میانگین متحرک خود رگرسیون انباشته (arima) دارای محدودیت تعداد داده های گذشته بوده و شبکه-های عصبی مصنوعی (anns) نیز به منظور حصول نتایج دقیق...

مقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت

در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه ‌های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکه‌های مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکه‌های...