این مقاله ضمن بررسی و انجام آزمون غیرخطی برای داده‌های ماهیانه‌ی نرخ ارز بازار رسمی ایران، به مدل‌سازی و پیش‌بینی روند سری زمانی نرخ ارز با استفاده از رگرسیون غیرخطی انتقال ملایم[1] می‌پردازد. هم‌چنین به منظور مقایسه عملکرد پیش‌بینی‌های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینه‌سازی الگوریتم ژنتیک و مدل ARIMA برآورد می‌گردد. ارزیابی نتایج این مطالعه تأییدکننده‌ی رفتار غیرخطی ...

در این پایان نامه پیش بینی سری زمانی آشوبی و تحلیل خطا با استفاده از شبکه های عصبی خطی و غیرخطی همراه با بگارگیری تئوری جاسازی پیشنهاد شده است. سری های زمانی به طور کلی شامل مولفه های خطی و غیرخطی می باشند. در این مطالعه یک روش ترکیبی شامل پیش بینی کننده خطی و غیرخطی، برای مدل کردن هر دو مولفه ارائه شده است. ابتدا با استفاده از نظریه جاسازی، سری زمانی در فضای حالت مناسب نمایش داده شده، سپس نقاط...

یکی از مباحث علم آمار بررسی داده های سری زمانی است. مشاهداتی از داده های مختلف که در طول زمان به دست می آیند، یک سری زمانی را تشکیل می دهند که این سری زمانی می تواند به صورت خطی یا غیرخطی باشد. در دو دهه ی اخیر، شـاهد رشد سریع مدل های سری زمانی غیرخطی بوده ایم. البتـه مدل هـای غیرخطی نیز مدل های ایده آلی نبوده و محدودیت های خاص خود را دارند. مدل مارکوف تبدّلی که توسط همیلتون در سـال 1989 مطرح شد...

در سال‌های اخیر علاقه فزاینده‌‌ای به مطالعه ویژگی‌های غیرخطی در سری‌های زمانی مالی و اقتصادی در سطح کلان، شکل گرفته است که دلیل آن را می‌توان در امکان بروز نتایج و تحلیل‌های گمراه‌کننده با درنظر نگرفتن رفتار غیرخطی در محاسبات، و همچنین بررسی روندهای زمانی، تاثیرگذاری شوک‌های ساختاری و تغییر ویژگی‌های رفتاری این سری‌ها در طول زمان، جستجو کرد. استفاده از آزمون‌های رایج اقتصادسنجی بر این موضوع دلا...

در دو دهه اخیر استفاده از مدل های غیرخطی در تخمین دبی رودخانه ها مورد توجه محققان واقع شده است که از آن جمله می­توان به مدل شبکه های عصبی مصنوعی، برنامه­ریزی ژنتیک، سری های زمانی، تبدیل موجک و ... اشاره نمود. تبدیل موجک از طریق تجزیه امواج به زمان و مقیاس همچون روش آنالیز فوریه شیوه نوینی را برای پردازش موج ارائه می دهد. در تبدیل موجک از موجک گسسته میر برای برآورد جریان متوسط ماهانه رودخانه لیق...

پیش­بینی خشکسالی نقش مهمی در طراحی سیستم­های سازگاری با خشکسالی و اجرای عملیات تسکین ایفا می­نماید. داده­های هیدرولوژیک به‌صورت ترکیبی از بخش قطعی و تصادفی می­باشند. با توجه به اینکه داده­های تولیدی مدل­های هوشمند به‌صورت قطعی می­باشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیش­بینی این داده­ها می­تواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامه­ریزی بیان ژن (GEP) و مد...

پیش‌بینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیش‌بینی آن امری دشوار می‌باشد. از طرفی سری‌های زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدل‌های هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش...

در این مقاله، با هدف دستیابی به پیش‎بینی‎های دقیق‎تر، سه نوع الگوی رگرسیون خطی، سری‎زمانی و شبکه عصبی مصنوعی طراحی و براورد شده است. در ابتدا ماهیت ساختاری سری‎زمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن با استفاده از آزمون نمای لیاپانوف بررسی شده است. نتایج این آزمون، وجود آشوب ضعیفی را در سیستم نشان می‎دهد و بیانگر امکان استفاده از الگوسازی غیرخطی برای پیش‎بینی دقیق تر کوتاه مدت است. در م...

تعیین الگوی مناسب یکی از مسائل مهم در مدل‌سازی و پیش‌بینی سری‌های زمانی، با توجه به مکانیسم سیستم مورد نظر است. اغلب، بدون بررسی خطی یا غیرخطی بودن سیستم از مدل‌های رایج خطی سری ‌زمانی استفاده می‌شود. در این تحقیق فرآیند جریان رودخانه‌های نازلوچای، شهرچای و باراندوزچای واقع در استان آذربایجان‌غربی و غرب دریاچه ارومیه با آزمون غیرخطی BDS در سه مقیاس زمانی (سالانه، ماهانه و روزانه) بررسی شده است....

بسیاری از تحقیقات انجام­شده برای مدل­سازی بدون بررسی ایستایی داده­ها انجام شده­اند. اگر در مدل­سازی ایستایی و پارامترهای موثر بر ناایستایی در نظر گرفته نشوند، نتایج دقیق نبوده و منجر به ایجاد خطا در مدل­سازی می­شود. از سوی دیگر، تجزیه سری­های زمانی به مؤلفه­های خود می­تواند به تفسیر روابط بین فرآیندهای هیدرولوژیک کمک نماید. در مطالعه حاضر، کاربرد آزمون kpss اصلاح شده با تحلیل فوریه در تحلیل ایس...