معمولا در ساختار کواریانس داده های سریهای زمانی مربوط به اقلیم شناسی، آب شناسی، جامعه شناسی، علوم طبیعی، مهندسی برق و علوم اقتصاد و ... رفتار تناوبی مشاهده می شود، از این رواستفاده از سریهای زمانی همبسته متناوب در ده سال گذشته توجه گسترده ای را به خود جلب نموده اند. با توجه به اینکه روشهای آنالیز واریانس اغلب برای مقایسه میانگین های چند جامعه با نمونه های تصادفی هم توزیع و مستقل به کار برده می ...

چکیده ندارد.

همانطور که می دانیم حضور داده های پرت در یک مجموعه از مشاهدات هموارد مورد بحث بوده است، در سری های زمانی نیز حضور این گونه داده ها غیر قابل اجتناب است و از آنجا که حذف داده های پرت از یک مجموعه داده ی سری زمانی کاری نسبتا نامعقول است، پس لازم است به برآوردگرهایی دست یابیم که اثرپذیری کمتی از داده های پرت نسبت به برآوردگرهای کلاسیک داشته باشند. از آنجا که الگوی خودبازگشتی همبسته دوره ای دارای کا...

در نظر گرفتن یک فرض کلاسیک در ساختمان سری ها موجب شده است، مشاهدات را با یک الگوی خطی که ضرایبش با زمان تغییر نمی کند در نظر گیرند. اما بسیاری از سری های زمانی دارای میانگین و واریانس ثابتی در طول زمان نیستند در این شرایط مدل های اتورگرسیو مشروط به ناهمسانی واریانس اغلب به نتایج مطلوبی منجر می شوند. تحقیقات نشان داده اند مدل های شبکه عصبی برای نمایش رفتار غیرخطی داده ها نیز از عملکرد قابل توجهی...

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک - شبکه عصبی مصنوعی (WANN)...

بدست آوردن نتایج صحیح از آنالیز سیگنال مربوط به پدیده های ژئودینامیکی با استفاده از سری های زمانی بلند مدت gps، منوط به کاهش اثر نویز از داده ها می باشد. این امر در ژئودزی و ژئوفیزیک توسط روش های مختلفی انجام پذیر بوده و در صورت ناقص بودن مدل سازی داده های سری زمانی gps (جهت کاهش نویز)، تفسیر پدیده های ژئودینامیکی حاصل از آن ها به درستی میسر نخواهد بود. به دلیل غیر هم فاصله بودن سری های زمانی g...

اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های 3arima هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموفق بوده اند. در تحقیق حاضر برای پیش بینی شاخص کل بورس از مدل شبکه های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...