پیش بینی سری های زمانی تجمعی کوتاه مدت به روش بیزی و نسبتی بر اساس مجموع های جزیی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده ریاضی و کامپیوتر
- author سودابه فیض بخش کوفلی
- adviser محمد رضا صالحی راد فرزاد اسکندری
- Number of pages: First 15 pages
- publication year 1390
abstract
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 نوع سری های زمانی کوتاه مدت روش پیش بینی بیزی و روش براوردگر نسبتی را به عنوان روش های جایگزین روش های کلاسیک معرفی می کنیم. کمیت پیش بینی شده یک متغیر پیوسته و مثبت است. برای پیش بینی این کمیت داده های گردآوری شده را به صورت مجموع های جزیی داریم. همچنین سری های مورد نظر در این جااز یک الگوی فصلی پایدار پیروی می کنند. این شرایط به طور طبیعی در بسیاری از مسایل کاربردی ظاهر می شود.
similar resources
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...
full textکاربردهای 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 textپیش بینی بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی
چکیده پیش بینی بارکوتاه مدت یک فرآیند پایه در بهره برداری سیستمهای قدرت محسوب میشود. بسیاری از توابع بهرهبرداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیشینی بار کوتاهمدت وابسته میباشند. در طی سه دهه اخیر روش های مختلفی برای پیشبینی بار کوتاه مدت ارائه شده و نرمافزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شدهاند. از جمله این روش ها میتوان به ان...
full textپیش بینی بیزی سری های زمانی شمارشی
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...
مقایسه مدل گزینی بیزی بر اساس روش mcmc و سری های زمانی مالی (مدل گارچ)
یکی از شیوههای تجزیه و تحلیل داده های مالی و بررسی چگونگی تغییرات آن ها در طی زمان معین در گذشته و پیش بینی چگونگی رخداد آن ها در آینده استفاده از مدل های سری های زمانی است. در مباحث مالی به دلیل نا هم واریانس بودن مشاهدات موجود، نمی توان از مدل های سری های زمانی کلاسیک استفاده کرد. در این حالت، یکی از مدل های متداول، مدل های نوع گارچ[i] (garch) است که نشان دهنده رده وسیعی از مدل های اقتصادسن...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده ریاضی و کامپیوتر
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023