سریهای زمانی غیرخطی و الگوی sdm

thesis
abstract

یک مدل arma خطی بصورت زیر را در نظر بگیرید. xt+?1xt-1+...+?kxt-k?+?t+?1?t-1+...+?l?t-l همانطور که می دانیم، در مدل پارامترها ثابت فرض می شوند، در صورتی که در کلاس بزرگی از سریهای زمان غیرخطی، پارامترها بصورت تابعی از گذشته خود می باشند. پریستلی با قرار دادن xt-1(?t-1,...,?t-l,xt-1,...,xt-k)?؟ به عنوان بردار حالت ?xt-1 هستند یک مدل کلی به نام مدل وابسته به حالت (sstate dependent model) را بصورت زیر ارائه داد. xt+?1(xt-1)xt-1+...+?k(xt-1)xt-k?(xt-1)+?t+?1(xt-1)?t-1+...+?2(xt-1)?t-l همچنین او نشان داد که با انتخاب شکلهای خاص برای پارامترها، این مدل قابل تبدیل به مدلهای غیرخطی می باشد. در این رساله ساختار کلیه sdm و ارتباط بین این مدل و دیگر مدلها سریهای زمانی بررسی می شود همچنین مسائل مربوط به برآورد پارامترهای این الگو برای سریهای زمانی شبیه سازی شده از الگوهای خطی و غیرخطی مورد ملاحظه قرار خواهد گرفت . در فصل اول مروری کوتاه بر مفاهیم اساسی و بعضی تعاریف کلی در سریهای زمانی می کنیم و بطور مختصر مسائل مربوط به الگوهای غیرخطی را یادآور می شویم. فصل دوم شامل معرفی انواع مختلف الگوهای sdm می پردازیم و با استفاده از الگوریتم فیلتر کالمن، پارامترهای این الگو را برآورد می کنیم و در انتها، در فصل چهارم برای اینکه موثر بودن تکنیک برآورد sdm آزمایش شود، به چند مثال عددی از داده های شبیه سازی شده می پردازیم که نتایج بدست آمده در آن بوسیله دو برنامه تهیه شده به نامهای arsdm و armasdm بدست آمده اند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مدل رژیم تبدلی برای سریهای زمانی غیرخطی مالی

یکی از مباحث علم آمار بررسی داده های سری زمانی است. مشاهداتی از داده های مختلف که در طول زمان به دست می آیند، یک سری زمانی را تشکیل می دهند که این سری زمانی می تواند به صورت خطی یا غیرخطی باشد. در دو دهه ی اخیر، شـاهد رشد سریع مدل های سری زمانی غیرخطی بوده ایم. البتـه مدل هـای غیرخطی نیز مدل های ایده آلی نبوده و محدودیت های خاص خود را دارند. مدل مارکوف تبدّلی که توسط همیلتون در سـال 1989 مطرح شد...

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...

full text

تجزیه و تحلیل سریهای زمانی تصادفی به روش قطع تراز

  Level crossing is a powerful method for analyzing the random time series. In this paper by introducing this method we investigate the beta noises and represent differences between 1/f noise and white noise and also research the cardiac heart interbeat interval (RR) time series and find clear distinctions between healthy samples and samples with Congestive heart failure (CHF) disease.

full text

تحلیل سریهای زمانی فازی

چکیده: تحلیل سری زمانی یکی از شاخه های آمار و احتمال است، که در سایر رشته های علوم مانند ژئوفیزیک، هواشناسی، اقتصاد، جغرافیا و زمین شناسی کاربرد فراوانی دارد. نادقیق بودن یا عدم قطعیت مشاهدات ممکن است تصادفی، یا در نتیجه عوامل عینی و ذهنی باشد. هر چند داده های فازی مشکل نادقیق بودن اندازه گیری صفات را بر طرف می کنند، ولی محاسبات بر پایه آنها مشکل است. زیرا هنگام کار کردن با داده های فازی به جا...

15 صفحه اول

سریهای زمانی فازی

هدف اصلی این پایان نامه معرفی، تشخیص، مدل بندی و پیش بینی سریهای زمانی ای است که داده های آن قطعیت نداشته و تحت عنوان اعداد فازی و مقادیر زبانی معرفی می شوند. در ابتدا به کمک دو نمایش مفید از اعداد فازی یعنی نمایش آنها بر اساس نقاط برش و برشهای نموی به تجزیه و تحلیل سریهای زمانی فازی و پیش بینی آنها می پردازیم. سپس متغیر های زبانی که مقادیر اختیار شده توسط آنها برچسبهای زبانی بوده و در بحث فاز...

15 صفحه اول

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 فردوسی مشهد - دانشکده علوم

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023