پیش‌بینی سری‌های زمانی تجمعی کوتاه‌مدت به‌روش رگرسیونی بر اساس مجموع‌های جزیی

پیش بینی سری های زمانی تجمعی کوتاه مدت به روش رگرسیونی بر اساس مجموع های جزیی

در این مقاله، مسئله ی پیش بینی یک سری زمانی با تعداد اندکی از داده ها، در یک روش رگرسیونی خلاصه شده است. این روش زمانی به خوبی کار می کند که روش های استاندارد برای تعداد مشاهدات اندک قابل استفاده نباشند. کمیت پیش بینی شده مقدار تجمعی از یک متغیر پیوسته و مثبت است به گونه ای که داده های گرداوری شده به صورت جزیی موجود هستند. یک مدل خیلی ساده برای توصیف رابطه ی بین مقادیر کلی و جزیی متغیری که قرار...

برآوردهای رگرسیونی نیرومند و تعمیم آن به مدلهای سریهای زمانی

هدف اصلی از این تحقیق تعمیم روشهای رگرسیونی نیرومند به مدلهای سریهای زمانی است . در ابتدا پس از ارائه روشهای رگرسیونی نیرومند شامل رگرسیون ‏‎l1‎‏ ، ‏‎-m‎‏ برآورد ها ، ‏‎-gm‎‏ برآوردها، روش ‏‎lms‎‏ و روش ‏‎lts‎‏ جهت انتخاب بهترین روش ، به مقایسه کارایی آنها در رابطه با کاهش اثر نقاط پرت بر روی برآورد پارامترهای مدل پرداخته می شود. در ادامه پس از بیان انواع نقاط پرت و روشهای شناسایی آنها در مدلها...

مدل سریهای زمانی دو خطی گسسته مقدار بر اساس عملگرهای تصادفی پگرام و رقیق ساز

در این مقاله، یک مدلبندی دوخطی گسسته مقدار جدید بر اساس ترکیب دو عملگر تصادفی رقیق ساز و پگرام معرفی میشود. برخی از ویژگیهای آماری مدل فوق مورد بحث قرار میگیرند و پارامترهای مدل توسط روشهای کمترین مربعات شرطی و یولواکر برآورد میشوند. به کمک شبیه سازی، رفتار و کارایی دو روش برآورد مورد مطالعه قرار میگیرد و درانتها، کارایی مدل معرفی شده در برازش دو داده واقعی بررسی میشود.

آزمون سریهای زمانی مدلهای رشد درونزا

پیش بینی سری های زمانی تجمعی کوتاه مدت به روش بیزی و نسبتی بر اساس مجموع های جزیی

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 این تعداداندک مشاهدات مفید و ارزشمند هستندو باید از آن ها برای پیش بینی استفاده شود. در این تحقیق برای پیش بینی این نو...

فاصله اطلاعاتی و کاربرد آن در سریهای زمانی

  In this paper a new method is introduced for studying time series of complex systems. This method is based on using the concept of entropy and Jensen-Shannon divergence. In this paper this method is applied to time series of billiard system and heart signals. By this method, we can diagnose the healthy and unhealthy heart and also chaotic billiards from non chaotic systems . The method can al...