مدل‏های مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‏سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدل‏های مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...

این مقاله به بررسی عملکرد پیش بینی مدل های ARIMA و ARFIMA با استفاده از داده‌های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشNLS  در بسته نرم‌افزار Oxmetric/pcgive  استفاده شد و پس از مقایسه نتایج مدل­های تحقیق؛ مدل ARFIMA بر اساس معیار AIC مدلی برتر در مدل سازی TEPIX مشخص گردید. همچنین از میان براورد...

پیش بینی بار کوتاه مدت نقش بسیار مهمی در برنامه ریزی، بهره برداری و کنترل سیستم های قدرت دارد. پیش بینی بار دقیق، باعث بهبود تصمیم گیری های عملیاتی در مورد برنامه ریزی تعمیرات و نگهداری، تخصیص ذخیره مطمئن، برنامه ریزی ورود و خروج واحدها، توزیع اقتصادی و ... می شود. پیش بینی دقیق بار کوتاه مدت با توجه به عوامل متعدد موثر بر بار، از قبیل شرایط آب و هوایی، تغییرات دوره ای روزانه، هفتگی، فصلی و عوا...

پیش بینی کوتاه مدت مصرف بار الکتریکی نقش اساسی در بهره برداری بهینه از سیستم قدرت ایفا می کند.در این پایان نامه پیش بینی کوتاه مدت بار به وسیله ی روش ماشین بردار پشتیبان مورد مطالعه قرارگرفته شده است. عملکرد اقتصادی و قابلیت اطمینان یک شبکه وابستگی قابل ملاحظه ای به دقت پیش بینی بار دارد. پیش بینی کوتاه مدت بار الکتریکی برای برنامه ریزی در مدار قرار گرفتن نیروگاه ها، و مدیریت بار استفاده می شود...

در این تحقیق به بررسی پیش¬بینی¬پذیری بازده و نوسان به صورت همزمان یعنی حافظه بلند مدت دوگانه شاخص¬های بورس تهران در صنایع مورد نظر شامل شاخص صنعت خودرو و کانی غیر فلزی در مقطع زمانی تیر 1384 تا آذر ماه 1391 که مشمول دولت نهم و دهم تا آذرماه 1391 است که قوانین و مقررات موجود در بازار ثابت باشد. این بررسی با استفاده از داده¬های تاریخی صنایع مورد نظر با به کار گیری مدل اقتصادسنجی ترکیبی آرفیما-فیگ...

پیش¬بینی جریان رودخانه یکی از مهم¬ترین ارکان در مدیریت منابع آب¬های سطحی به ویژه اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی¬ها است. به طور سنتی، مدل¬سازی و تجزیه و تحلیل سری¬های زمانی برای ساختن مدل¬های ریاضی در جهت تولید داده¬های هیدرولوژیکی در هیدرولوژی و منابع آب استفاده می¬شود. همچنین انتخاب ترکیب مناسب از پارامترهای ورودی. در این پژوهش برای پیش¬بینی دبی روزانه و ماهانه رودخانه سفید ا...

مدت(، محتوای اطلاعاتی نوسان پذیری سود نیز مورد تحقیق قرار گرفته است. مدل ارتباطی نوسانپذیری و قابلیت پیش بینی آن براساس چارچوب دیچو و تانگ ) 9002 ( منطبق می باشد. لذا براساسچارچوب دیچو و تانگ ) 9002 (، اطلاعات مالی 000 شرکت از شرکتهای پذیرفته شده در بورساوراق بهادار از سال 0830 الی 0820 مورد بررسی قرار گرفت. هر چند روند پیش بینی ها به صورتنزولی اکید نبوده؛ ولی نتایج تحقیق بطور کلی نشان می دهد ک...

پیش بینی بازار سهام به عنوان یک کار پر چالش در حوزه پیش بینی سری های زمانی مالی در نظر گرفته شده است. علت مهم این امر عدم وجود قطعیت در نحوه حرکت بازار سهام می باشد. همچنین تحلیل داده های سری زمانی قیمت های سهام به علت غیر خطی بودن و وجود نویز زیاد مشکل می باشد. در این پژوهش از دو رویکرد متفاوت برای پیش بینی کوتاه مدت بازار سهام استفاده شده است. در رویکرد اول هدف این است که با استفاده از قوانین...

این مقاله به بررسی عملکرد پیش بینی مدل های arima و arfima با استفاده از داده های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشnls  در بسته نرم افزار oxmetric/pcgive  استفاده شد و پس از مقایسه نتایج مدل­های تحقیق؛ مدل arfima بر اساس معیار aic مدلی برتر در مدل سازی tepix مشخص گردید. همچنین از میان براورد...