همه ی پدیده های ژئوفیزیکی، شامل شبکه های رودخانه و سری­های زمانی جریان، اصولاً پدیده هایی برخال هستند و الگوهای برخال می توانند، در رفتارهای آنها بررسی گردد. یک سامانه ی غیرخطی، مثل یک حوضه ی آبخیز می تواند به خوبی به وسیله ی یک سنجش غیرخطی، مثل یک تحلیل برخال، بررسی گردد. یک تحقیق دوجانبه بر روی خواص برخال شبکه ی رودخانه و سری زمانی جریان در رودخانه انجام شده است. جهت مشاهده ی خواص برخال آنها، ...

تغییر شکل زمین یک پدیده ی سه بعدی است، پس باید آنالیز پوسته نیز به صورت سه بعدی صورت بگیرد. بررسی تغییر شکل با استفاده از دو اپک زمانی نیز روش کارآمدی محسوب نمی شود.زیرا ممکن است نتوان به شناخت صحیحی از وقوع پدیده های ژئودینامیکیِ رخ داده دست یافت. از این رو می بایست مشاهدات دائمی و پیوسته از موقعیت نقاط داشت. ایستگاههای دائمیgps می توانند چنین مشاهداتی را فراهم نمایند. در بخش ابتدایی این تحقیق ...

شهر تهران یکی از آلوده ترین شهرهای جهان است و آلودگی هوا در آن محیط زیست و زندگی مردم را تحت تاثیر قرار داده است . آلودگی در بیشتر مناطق شهر تهران بالاست و عوامل مختلفی در این آلودگی نقش دارند . در این تحقیق سری زمانی و روندهای مکانی آلاینده های و همچنین منابع موثر در این آلاینده ها مورد بررسی قرار گرفت . داده های مربوط به آلاینده های مونواکسیدکربن ،دی-اکسیدسولفور ، ذرات معلق ، اکسیدهای نیتروژن...

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای مالی، نوع جدیدی از فضای مسئله بر اساس نرخ بازده برای کاربرد در بازار های مالی و پیش بینی سری های زمانی مالی ارائه شده...

تولید ناخالص داخلی یکی از عمده ترین و کاربردی ترین شاخص های اقتصادی است؛ لذا پیش بینی آن،همواره توجه کلیه دست اندرکاران اقتصادی و علوم مرتبط را به خود جلب کرده است. هرچند روش های تجزیهو تحلیل سری زمانی و روش های غیرخطی همانند مدل های شبکه عصبی مدتهاست که برای پیش بینی این گونهمتغیرها به کار می روند، لیکن کاربرد ابزار توانمند موجک در پردازش داده ها و بررسی لایه های پنهان آن نشانمی دهد که سری زما...

به منظور مدل سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل های داده­های خودهمبسته، از رویکردهای پایداراستفاده می­شود. وجود داده های پرت و آلودگی ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده های گذشته بر داده­های اخیر اثرگذار هستند، این داده ها معمولاً در قالب سری زمانی مدل­سازی می شوند. در این تحقیق، مدل­های خود رگرسیون به عنوان یکی از مدل­های مطر...

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...

دسترسی به اطلاعات حجم اقتصاد زیرزمینی برأی سیاست های کلان اقتصادی مهم است. ما در این مقاله از مجموعه و منطق فازی برای ایجاد یک سری زمانی سالانه برای اقتصاد زیرزمینی (غیر قابل مشاهده) در ایران برای دوره زمانی 378 1-343 1 استفاده می کنیم. دو متغیر ورودی (نهاده) مورد استفاده، نرخ مؤثر مالیات و شاخص مقررأت هستند. نتایج این سری زمانی با تحقیقات دیگرکه با مدل MIMIC انجام شده است مقایسه شدند. دو روش، ...

در این مقاله نسبت درستنمایی توابع چگالی دو جامعه نرمال با استفاده از تبدیل موجکی گسسته تقریب زده شده و یک معیار ناپارامتری برای ممیزی مدل های سری های زمانی ایستا در حوزه موجک ها پیشنهاد شده است. سپس با استفاده از روش های شبیه سازی کارایی معیار به دست آمده در ممیزی مدل های مختلف arma نشان داده شده است. عدم نیاز به مدل بندی پارامتری، سرعت محاسبات برای سری های زمانی بزرگ و نرخ خطای ممیزی پایین از ...