در تحقیق حاضر ابتدا آشوب پذیری سری های زمانی بارش، رواناب و دبی در دو ایستگاه پل کهنه و قورباغستان واقع بر رودخانه قره سو در کرمانشاه در سه مقیاس روزانه، هفتگی و ماهانه بررسی شد. سپس توانایی روش های پیش بینی موضعی و شبکه عصبی مصنوعی در مدل سازی این سری ها مورد ارزیابی قرار گرفت. نتایج نشان دادند که بر اساس دو روش توان لیاپانف و بعد همبستگی، سری زمانی بارش در مقیاس روزانه آشوبناک نبوده و رفتاری ...

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...

در این پایان نامه ابتدا بررسی روش تجزیه آدمیان در حل معادلات دیفرانسیل می پردازیم و برخی از ویژگی های سری جواب را شرح می دهیم، سپس دو روش برای به دست آوردن چند جمله ای های آدمیان را بیان می کنیم.در فصل دوم با استفاده از قضیه کوشکی- کوالوسکی همگرایی سری جواب را نشان داده و برای آن یک نرخ همگرایی ارایه می دهیم. در فصل سوم به مقایسه دو روش تجزیه آدمیان و روش تیلور با حل یک مثال خواهیم پرداخت. همچن...

این مقاله به بررسی مقایسه‌ای توان شبکه‌های عصبی مصنوعی و سری‌های زمانی خودبازگشت در پیش‌بینی ایستای نرخ تورّم ایران می‌پردازد. در یک بررسی، با استفاده از 37 سال داده‌های تاریخی نرخ تورّم ایران، مدل‌ شبکة عصبی مصنوعی در پیش‌بینی آیندة نزدیک در مقایسه با سری‌های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقّف زودهنگام در مرحلة یادگیری شبکة عصبی برای پیش‌بین...

پیش بینی دقیق قیمت های محصولات کشاورزی وارداتی می­تواند ضمن کمک به برنامه­ریزی مطلوب در خصوص زمان مناسب واردات به صرفه جویی در منابع ارزی کشور نیز بیانجامد. از پر کاربرد ترین الگوهای پیش بینی سری زمانی طی سه دهه­ی اخیر، الگوهای خطی سری زمانی شامل آریما، گارچ و ای گارچ می باشند. مطالعات اخیر در زمینه­ی پیش بینی با شبکه عصبی مصنوعی نشان می دهد که شبکه­ی عصبی مصنوعی می تواند دقت پیش بینی الگوهای خ...

در این رساله، ویژگیهای آماره های مرتب و توزیعهای مجانبی آنها معرفی می شود. مفهوم رکوردها که کاربردهایی در مسائل مربوط به سریهای زمانی از قبیل زلزله، سیل و ... دارد، معرفی و برخی ویژگیهای آن بررسی می شود. همچنین فرآیند پواسون ارتباط نزدیکی با آماره های مرتب و رکوردها دارد، از این رو ارتباط این فرایند با دو مفهوم آماره های مرتب و رکوردها نیز مورد بررسی قرار می گیرد.

تشخیص فرآیند حاکم بر بازدهیهای بازار سهام به منظور اخذ تصمیم بهینه و کاهش هزینه ریسک اهمیتفراوانی برای سرمایهگذاران و سیاستگذاران مالی دارد . اهمیت تحلیل بازارها و تلاش برای درک بهتر آنهاموجب شد که پس از به چالش کشیده شدن مفروضات بازار کارا و کشف حقایق جهان شمول دنبالههای پهن،خوشهبندی نوسانات در سریهای زمانی مالی، تحلیلگران از مدلهای با خواص کاملاً تصادفی با توزیع نرمال بهسمت مدلهای لوی و مولتی ...

در این مطالعه قابلیت مدل‎های شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی می شود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سری های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با اس...

مطالعه حاضر برای راه اندازی تکنیک انتقال جنین مادیان وارزیابی نقاط قوت و ضعف آن و نیز بررسی تأثیر فاصله زمانی اسپرم گیری تا تلقیح مصنوعی روی جمع آوری جنین و همچنین بررسی اثر فاصله زمانی جمع آوری جنین تا انتقال آن روی میزان آبستنی در مادیان های گیرنده انجام شد. جنین های 7-8 روزه مادیان های دهنده،در دو فصل تولید مثلی متوالی(نیمه اول هر سال)به روش غیرجراحی جمع آوری گردید. تعداد 12 رأس مادیان دهنده...

پیش‌بینی دقیق قیمت‌های محصولات کشاورزی وارداتی می­تواند ضمن کمک به برنامه­ریزی مطلوب در خصوص زمان مناسب واردات به صرفه جویی در منابع ارزی کشور نیز بیانجامد. از پر‌کاربرد‌‌ترین الگوهای پیش‌بینی سری زمانی طی سه دهه­ی اخیر، الگوهای خطی سری زمانی شامل آریما، گارچ و ای گارچ می‌باشند. مطالعات اخیر در زمینه­ی پیش‌بینی با شبکه عصبی مصنوعی نشان‌می‌دهد که شبکه­ی عصبی مصنوعی می‌تواند دقت پیش‌بینی الگوهای ...