مقایسة عملکرد رگرسیون های چندخطی، رگرسیون ناپارامتری و مدلهای سری زمانی در برآورد و پیش بینی مقادیر تبخیر
Authors
Abstract:
برای شبیهسازی سریهای زمانی، روشهیا مختلفی ارائه شدهاند که از آن جمله میتوان مدلهای سری زمانی AR، ARMA و ARMAX و روشهای رگرسیون چندخطی (MLR) و رگرسیون ناپارامتری (K-NN) را برشمرد. در این تحقیق، عملکرد این روشها در برآورد دادههای مفقود و پیشبینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل ARMAX با استفاده از ورودیهای استاندارد شدة دمای کمینه و بیشینه، متوسط دما، سرعت باد، رطوبتنسبی و ساعات آفتابی، نسبت به سایر روشها به بهترین نتایج منجر شد و روشهای K-NN و MLR در رتبههای بعدی قرار گرفتند. مشاهده گردید که پس از تحلیل اجزاء اصلی، مدل ARMAX دارای خطای قابل ملاحظهای در برآورد مقادیر مفقود میباشد و روشهای MLR و K-NN در مرحلة واسنجی و روش MLR در مرحلة اعتبارسنجی به بهترین نتایج منجر میشوند. برای پیشبینیهای کوتاه مدت، مدل ARMAX دارای بهترین نتایج بود؛ ولی در پیشبینیهای بلند مدت، روش MLR به بهترین نتایج منجر شد و مدلهای سری زمانی قادر به پیشبینیهای بلندمدت نبودند.
similar resources
مقایسه عملکرد رگرسیون های چندخطی، رگرسیون ناپارامتری و مدل های سری زمانی در برآورد و پیش بینی مقادیر تبخیر
برای شبیه سازی سری های زمانی، روش هیا مختلفی ارائه شده اند که از آن جمله می توان مدل های سری زمانی ar، arma و armax و روش های رگرسیون چندخطی (mlr) و رگرسیون ناپارامتری (k-nn) را برشمرد. در این تحقیق، عملکرد این روش ها در برآورد داده های مفقود و پیش بینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل armax با استفاده از ورودی های استاندارد شده دمای کمینه و بیشینه، متوسط دما،...
full textبرآورد پارامترها در مدل های رگرسیون سری زمانی تکراری
چکیده یکی از متداول ترین مدل های آماری مطالعه شده مدل رگرسیون خطی است که خطاهایش به طور دنباله وار وابسته و از یک الگو سری زمانی پیروی می کند. در این پایان نامه کاربرد روش شبه کمترین مربعات ( ) را که به عنوان یک روش جدید برای برآورد پارامترها در مدل رگرسیون سری زمانی با خطای با ساختار مدل اتورگرسیواز مرتبه مورد بررسی و مطالعه قرار می گیرد. این روش شبه کمترین مربعات توسط چاگانتی (1997) برای تح...
15 صفحه اولکاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
full textمدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان)
در سالهای اخیر محدودیت منابع آبی جهت تامین آب مورد نیاز کشاورزی و غیر کشاورزی موجب بروز مشکلات زیادی شده است و باران یکی از منابع مهم تامین آب به حساب می آید. بارندگی یکی از مهمترین مولفه های ورودی به سیستم های هیدرولوزیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیر زمینی، سیلاب، رسوب و ... لازم و ضروری است. بنابراین پیش بینی و برآورد نزولات جوی...
full textمقایسه کارآیی مدلهای سری زمانی خطی و غیرخطی در شبیهسازی و پیشبینی تبخیر- تعرق مرجع
برآورد دقیق میزان تبخیر- تعرق مرجع (ET0) نقش بسیار مهمی در مدیریت منابع آب و بهینهسازی مصرف آب کشاورزی دارد. یکی از روشهای برآورد ET0 استفاده از مدلهای سری زمانی است. در این تحقیق، دقت و کارائی مدل خطی آرما (ARMA) و غیرخطی بیلینییر (BL) در شبیهسازی و پیشبینی ET0 در سه ایستگاه سینوپتیک واقع در شمال غرب کشور مورد مقایسه قرار گرفت. بدینمنظور، مقادیر ماهانه ET0از سال 1990 تا 2014 با استفاده ...
full textMy Resources
Journal title
volume 9 issue 1
pages 90- 95
publication date 2013-07-01
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023