نتایج جستجو برای: مدل خودرگرسیونی arima
تعداد نتایج: 122993 فیلتر نتایج به سال:
در پژوهش حاضر، به منظور مدلسازی ارتفاع گونۀ راش به عنوان یک مؤلفۀ مهم توان تولید رویشگاه نسبت به متغیرهای محیطی در جنگل آموزشی و پژوهشی دانشگاه تربیت مدرس از مدل رگرسیون حداقل مربعات استفاده شد. به این منظور به روش منظم – تصادفی 123 قطعه نمونه دایره ای 1/0 هکتاری در منطقه مستقر گردید و در هر یک از قطعات نمونه، ارتفاع کل و قطر برابرسینه تمام درختان راش با قطر بیشتر از 5/7 سانتی متر اندازه گیری ش...
شاخص سطح برگ یکی از پارامترهای مؤثر برای توصیف شار انرژی، تبادلات سطح زمینـ اتمسفر، ساختمان پوشش گیاهی و... است. در این تحقیق با استفاده از مدلسازی بر پایۀ روش باکسـ جنکینز سریهای زمانی شاخص سطح برگ یونجه، گندم، سیب و سیبزمینی بررسی شد و با نتایج روابط ریاضی بین شاخص سطح برگ و شاخص NDVI مقایسه شدند. روند سریهای زمانی بهدستآمده از سنجندۀ MODIS طی دورۀ زمانی 2012ـ 2015 با دورۀ تناوب 46 ...
با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی زمانی1371:1 تا 1385:11 بوده و از شر...
Both theoretical and empirical findings have suggested that combining different models can be an effective way to improve the predictive performance of each individual model. It is especially occurred when the models in the ensemble are quite different. Hybrid techniques that decompose a time series into its linear and nonlinear components are one of the most important kinds of the hybrid model...
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...
با توجه به کمبود شدید منابع آبی در ایران، پیشبینی میزان منابع آب از جمله مهمترین بحثهای سیاستگزاری کلان کشور است. هدف از پژوهش حاضر، ارزیابی کارایی روش تحلیل طیف تکین در پیشبینی میزان منابع آب زیرزمینی در ایران در مقابل روش سری زمانی خطی ARIMA است. تحلیل طیف تکین روشی است که برای تحلیل سریهای زمانی غیر خطی و نامانا، مناسب است. بههمین منظور از سری زمانی منابع آب از 1362 تا 1394 ...
و ARIMA-GARCH ،GARCH ،ARIMA هدف اصلی در مقاله حاضر مقایسه دقت پیش بینی چهار مدلدر تخمین و پیش بینی شاخص قیمت بورس اوراق بهادار تهران )تپیکس( است. برای این منظور، State Spaceداده های روزانه 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و 1 اسفند 1392 تا 30 اردیبهشت1393 به عنوان برون داده، استفاده شده اند. از طرفی دیگر، برای بررسی بیشتر و افزایش دقت پیش بینی مدل هایمذکور برای شاخص تپیکس ...
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیمهای درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
پیشبینی روند آتی نرخ ارز به عنوان یکی از پر اهمیتترین و تأثیرگذارترین متغیرهای اقتصاد کلان، همواره مورد توجه بسیاری از پژوهشگران بوده است. در این مقاله به منظور مدلسازی و پیشبینی روند سری زمانی نرخ ارز در بازار رسمی ارز ایران مدلهای معادلات دیفرانسیل تصادفی حرکت برآونی ژئومتری و انتشار- پرش مرتن به کارگرفته شده است. بهمنظور بررسی عملکرد این مدلها در پیشبینی خارج از نمونهی نرخ ارز، مق...
The present study aims at developing a forecasting model to predict the next year’s air pollution concentrations in the atmosphere of Iran. In this regard, it proposes the use of ARIMA, SVR, and TSVR, as well as hybrid ARIMA-SVR and ARIMA-TSVR models, which combined the autoregressive part of the autoregressive integrated moving average (ARIMA) model with the support vector regression technique...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید