میزان تغییرات موجود در هر حوضه متناسب با عوامل موثر انسانی و همچنین تغییرات طبیعی نظیر تغییر اقلیم در آن منطقه می باشد. بخش اعظم دلایل رخ دادن تغییرات در سری های زمانی هیدرولوژیکی برمی گردد به تغییرات رخ داده-شده در موقعیت مکانی ایستگاه های ثبت داده، تغییرات ایجاد شده در دستگاه های مورد استفاده، ناقص و گم شدن داده های ثبت شده،تغییر در روش های محاسبه میانگین داده ها و یا تغییرات ناشی از شهرسازی،...

چکیده ندارد.

داده های با تناوب بالا نوع خاصی از نامانایی دارند که به آن نامانایی کسری گفته می شود. این ویژگی سبب پدیدآمدن حافظه بلندمدت در سری های زمانی مالی با تناوب بالا می شود. در این نوشتار ابتدا وجود حافظه بلندمدت در سری زمانی صنعت سیمان بررسی شده و وجود آن در سطح اطمینان بالایی توسط دو آزمون r/s و gph تأیید می شود. در ادامه، دقت مدل های پیش بینی سری های زمانی مالی نظیر، arma و garch که ویژگی حافظه بلن...

مطالعه و اندازه گیری تغییرات سطوح برف به عنوان یکی از منابع تامین آب بسیار حائز اهمیت است. با توجه به شرایط سخت فیزیکی محیط های کوهستانی امکان اندازه گیری دائم زمینی جهت تخمین منابع برفابی و تشکیل پایگاه داده ها وجود ندارد. به همین جهت استفاده از تصاویر ماهواره ای شناسایی مناطق برفگیر و استفاده از سیستم اطلاعات جغرافیایی جهت مدلسازی تغییرات ابزارهای قدرتمندی به شمار می روند. در تحقیق حاضر با اس...

با توجه به تأثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش­بینی آن در برنامه­ریزی­های محیطی، استفاده از روش­های آماری به­منظور مطالعه تغییرات و پیش­بینی دما، کاربرد وسیعی پیدا کرده است. روش­های آماری ابزارهایی کارآ و مفید برای درک و ارزیابی رفتار اقلیم به­شمارمی­روند. از الگوهای آماری پرکاربرد در این زمینه، می­توان به الگوهای خانواده آریما اشاره نمود. در این الگوی آماری مقادیر براساس رفتارهای گذ...

تبخیر-تعرقمرجع یکی ازمهم ترین و مؤثرترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریتمنابع آب می باشد. در سال های اخیر استفاده از روش های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش های anfis و موجک- anfis در پیش بینی تبخیر-تعرق مرجع هفتگی مرجع در ایستگاه های همدیدی تبریز، اهواز، بندرعباس و رامسر که دارای اقلیم های...

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...

شبکه های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی های زمانی غیرخطی می پردازند. مزیت این مدل ها در مقایسه با مدل های سری زمانی این است که نیاز به فرضیات محدود کننده نمی باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می باشد. برای این منظور با استفاده از روش های خودگردان، می توان دقت برآوردگرها را در ساختارهای پیچید...

هدف این مقاله، مقایسه ی روش های مختلف کشف مشاهدات اشتباه، در سری های زمانی می باشد. به این منظور، سه روش آنالیز موجک، جستجوی باردا و آستانه گذاری مورد بررسی قرار می گیرند. به منظور مقایسه ی عملکرد این سه روش در کشف مشاهدات اشتباه، از سری های زمانی شبیه سازی شده ی 4 ماهه، بر اساس داده های جزر و مدی استفاده گردیده است. زمانی که مدل تابعی مشاهدات معلوم باشد، روش جستجوی باردا، نسبت به دو روش دیگر، ...

توانایی پیشبینی ناتوانی مالی برای بسیاری از گروههای استفاده کنندگان اطلاعات مالی از جمله سرمایه گذاران، اعتبار دهندگان، حسابرسان، مدیران و قانون گذاران میتواند حائز اهمیت باشد. در این پژوهش تلاش شده است با زاویه دیدی جدید، با استفاده از روند متغیرهای سو د (زیان ) عملیاتی، اجزای سود (زیان) عملیاتی و همچنین جریانهای نقد حاصل از فعالیتهای عملیاتی، ناتوانی مالی شرکتها در قالب الگوهای سریزمانی، ...