تعیین نقطه تغییر روی داده های سری زمانی

thesis
abstract

در یک سری زمانی که اساسا به صورت دنباله ای از مشاهدات مرتب شده بر اساس زمان به صورت x_1,…,x_n می باشد، ممکن است نقای وجود داشته باشندکه در آن نقاط، خصوصیات آماری متغیر تصادفی دست خوش تغییر قرار گرفته باشند. برای مثال، ممکن است n_0 مشاهده اول، از توزیعی مانند f_0 و مشاهدات باقیمانده از توزیع دیگری مانند f_1 تبعیت کنند. نقطه n_0 را نقطه تغییر (change point) نامند و یافتن این نقطه که در آن، ویژگی سری زمانی تغییر یافته است طیف گسترده ای از مسایل جهان واقعی را در بر می گیرد. موضوع یافتن نقطه تغییر یکی از چالش برانگیزترین مسایل آماری است، زیرا تعداد و محل این نقاط ناشناخته هستند. بدین منظور روش های متعددی با قابلیت های مختلف پیشنهاد شده اند. در این پایان نامه، چهار روش مجموع تجمعی cusum)) مبتنی بر نمونه های خودگردان، تحلیل طیفی منفرد (ssa)، تشخیص بیزی برخط (bocpd) و مدل بیزی افراز ضربی (ppm) مورد مطالعه قرار گرفته اند. به منظور بررسی دقت و توانایی هر یک از این روش ها در تشخیص نقطه تغییر، از سه سری زمانی شبیه سازی شده و یک سری زمانی واقعی استفاده شده به طوری که سری های زمانی شبیه سازی شده به ترتیب مبین تغییر در سطح میانگین، تغییر در سطح واریانس و تغییر در خودهمبستگی هستند. نتایج داده های شبیه سازی شده نشان داد که از بین روش های ارایه شده، روش تشخیص برخط نقطه تغییر بیزی، نسبت به سه روش دیگر، عملکرد مناسب تری داشته و توانسته است هر گونه از تغییرات ذکر شده را به طور مناسبی برآورد نماید. با انتخاب این روش به عنوان روش برتر، داده های سری زمانی واقعی مورد بررسی قرار گرفته و عملکرد سایر روش ها با آن مقایسه شده اند. به دلیل هزینه زمانی صرف شده برای تحلیل داده ها و تشخیص نقاط تغییر از اهمیت بسزایی برخوردار می باشد، زمان اجرای روش ها نیز مورد مقایسه قرار گرفته اند. نتایج اخذ شده حاکی از مقرون به صرفه بودن روش تشخیص برخط نقطه تغییر بیزی در مجموعه داده های بزرگ است.

similar resources

تعیین نقطه تغییر در داده های مرگ ومیر ایران

مقدمه و اهداف: تحلیل روند مرگ ومیر در سطح کشور که اساساً به صورت دنباله ای از مشاهده های مرتب شده بر اساس زمان به صورت x1,….,xn می باشد، نقطه ای وجود دارد که در آن ویژگی های آماری روند مرگ ومیر در کشور تغییر می کند. به طوری که k0 تا از مشاهدات اول از یک توزیع آماری مثلf0 وn-k0  تا مشاهده باقی مانده از توزیع دیگری مثل f1 برخوردار هستند. نقطه k0 نامعلوم و با نام نقطه تغییر (change point) نامیده می...

full text

بازسازی سری های زمانی داده های ماهواره ای دمای سطح زمین با استفاده از الگوریتم تجزیه و تحلیل هارمونیک سری های زمانی (HANTS)

دمای سطح زمین (LST) یکی از پارامترهای اساسی در مبادله انرژی بین زمین و اتمسفر است. در بسیاری از علوم مختلف از جمله اقلیم‌شناسی، هیدرولوژی، کشاورزی، اکولوژی، بهداشت عمومی و علوم زیست‌محیطی استفاده از سری­های زمانی LST کاربرد فراوان دارد. اما سری­های زمانی داده­های ماهواره­ای معمولاً دارای داده­های ناقص، از دست رفته و یا غیر قابل قبول هستند که این به دلیل حضور ابرها در تصاویر، وجود ذرات گرد و غبار...

full text

تعیین نقطه تغییر در داده‌های مرگ‌ومیر ایران

Background & Objectives: In the analysis of mortality trend in the Iran that is basically a sequences of observations sorted by time, there is a point where the statistical properties of the mortality trend change so that the first k0 observations have a distribution of F0 and other n-k0 observations have a distribution of F1. The point k0 is unknown and called the change point. The aim of this...

full text

تصریح و براورد تابع تقاضای گردشگری ایران با استفاده از داده های سری زمانی – مقطعی

در بحث مربوط به ادبیات گردشگری عوامل تعیین کننده تقاضای گردشگری را می توان به سه دسته تقسیم کرد: الف) عوامل برونزا ب)عوامل اجتماعی – روانشناختی ج) عوامل اقتصادی شناسایی و اندازه گیری عوامل برونزا و عوامل اجتماعی – روانشناختی به آسانی میسر نیست و با مشکلات زیادی روبرو است. در این مقاله بیشتر بر روی عوامل اقتصادی وتأثیر آن بر تقاضای گردشگری تاکید شده و یک تجزیه و تحلیل از تقاضای گردشگری ارائه ...

full text

برآورد احتمال تغییر وضعیت رفتار سری های زمانی مالی با مدل اتورگرسیو تبدلی مارکف

در این مقاله، با استفاده از احتمال های تغییر وضعیت m-دوره بعد زنجیر مارکف، احتمال تغییر وضعیت رفتار نوسان های در این مقاله روشی برای برآورد احتمال تغییر وضعیت سری های زمانی مالی توسط مدل اتورگرسیو تبدلی مارکوف پیشنهاد شده است. سپس با استفاده از این مدل، رفتار نوسان های نرخ ارز به دو رژیم نرخ تغییرات کم و زیاد مدل بندی شده است. نتایج پیش بینی نشان می دهد که احتمال ماندگاری در رژیم ها رو به کاهش...

full text

کاربردهای 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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده علوم پایه

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023