نتایج جستجو برای: تخمین مدل arma

تعداد نتایج: 131578  

ژورنال: :سلامت و محیط زیست 0
اصغر ابراهیمی a ebrahimi assistant professor, environmental science and technology research center, department of environmental health engineering, shahid sadoughi university of medical sciences, yazd, iranگروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تربت حیدریه محمدحسن احرام پوش m.h ehrampoush professor, environmental science and technology research center, department of environmental health engineering, shahid sadoughi university of medical sciences, yazd, iranگروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد حسن هاشمی h hashemi research center for health sciences, shiraz university of medical sciences, shiraz, iranدانشگاه علوم پزشکی شیراز محبوبه دهواری m dehvari msc expert, environmental science and technology research center department of environmental health engineering, shahid sadoughi university of medical sciences, yazd, iranگروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد

زمینه و هدف: پیش­ بینی میزان تولید پسماند نقش مهمی در مدیریت مواد زاید دارد. مطالعه حاضر با هدف پیش بینی میزان تولید پسماند عادی شهر اصفهان با استفاده از دو روش سری زمانی و مدل سازی پویایی سیستم انجام شده است. روش بررسی: در ابتدا داده های قابل استناد مربوط به میزان تولید پسماند از سال 1375 تا 1390 از سازمان مدیریت پسماند و اطلاعات جمعیتی از مرکز ملی آمار ایران اخذ گردید. سپس، عوامل مؤثر بر تولی...

2011
Marina Demeshko Takashi Washio Yoshinobu Kawahara Shohei Shimizu

A linear Markov system can be represented by an autoregressive and moving average (ARMA) model in discrete time domain. It can be used to identify some system model and its associated parameters. Recently, the ARMA model has been extended to an ARMA-LiNGAM model which is a canonical form to represent the system. It is expected to provide more detailed information of the model structure and the ...

Journal: :Annales de Bretagne et des pays de l'Ouest 2011

در این مطالعه با به‌کارگیری داده‌های روزانه قیمت گروه فلزات اساسی بین دورة زمانی 1385 تا 1390 به بررسی حافظة بلند بودن سری زمانی قیمت، با استفاده از تخمین پارامتر انباشتگی کسری در بورس اوراق بهادار تهران پرداختیم. به‌منظور آزمون فرضیه‌ها، ابتدا حافظه کوتاه‌مدت در قیمت‌ها را از طریق رگرسیون‌های مدل نوع ARMA حذف نموده و از پسماندهای این مدل برای محاسبه پارامتر انباشتگی کسری (d) و آزمون فرضیه و ت...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - پژوهشکده آمار 1391

مشاهدات سری های زمانی گاهی اوقات تحت تأثیر پیشامدهایی نظیر: اعتصاب ها، ظهور جنگ، بحران های سیاسی و غیره قرار می گیرند. نتایج این پیشامدهای بازدارنده، به وجود آمدن مشاهداتی مصنوعی است که با بقیه ی مشاهدات در سر ی های زمانی، سازگاری ندارد. این قبیل مشاهدات را نقاط پرت می نامند. در این پایان نامه ابتدا روش آزمون دنباله ای را برای پیدا کردن نقاط پرت جمع پذیر و نوساز در مدل های arma به کار می بریم. ...

مجید خزایی محمد رضا میرزایی

پیش­بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می­باشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروری‌ترین مسائل برای مدیریت منابع آب می‌باشد. پژوهش حاضر با هدف مقایسه بین مدل‌های مختلف شبکه عصبی مصنوعی (MLP وRBF) و سری‌های زمانی آرما (ARMA) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سال‌های 1356 تا 1386 پی­ریزی شد. در روش ...

اساس بسیاری از تصمیم‌گیری‌ها در فرآیندهای هیدرولوژیکی و تصمیمات بهره‌برداری از منابع آب بر پایه پیش‌بینی و تحلیل سری‌های زمانی است. خشکسالی حالتی نرمال و مستمر از اقلیم ایران با فراوانی وقوع نسبتاً بالا است و می‌توان با استفاده از تحلیل‌های آماری و مدل‌های ریاضی به پیش‌بینی آن پرداخت. در پژوهش حاضر به پیش‌بینی خشکسالی هواشناسی 5 ایستگاه حوزه آبریز سلماس واقع در استان آذربایجان غربی پرداخته شد. ب...

2005
Elena Goldman Jun Wang

Using the multiple threshold autoregressive and moving average (TARMA) model we analyze the nonlinearities in the dynamics of realized volatilities of daily stock returns of 30 companies in the Dow Jones index. We find that the realized volatility processes can be characterized by the high, moderate, and low regimes and that the persistence, variance and ARMA error term change with each regime....

Journal: :Kybernetika 1988
Ales Linka

Let Xt be an /-dimensional ARMA (p, q) process. Let g: U l -> W be a measurable function. Define a process Zt by Zt = g(Xt). Generally, Z.is not an ARMA process. However, we are interested in such functions g, for which Zt is also an AR process. It is important to know the orders of the process Zt. In the most cases we find only some bounds for them. From the practical point of view, our consid...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید