سری های زمانی نقش مهمی در برنامه ریزی، طراحی و تحلیل سیستمهای هیدرولوژیک دارند. با توجه به آنکه پدیده های هیدرولوژیک وابسته به زمان می باشند، سری های زمانی می توانند به ابزاری قدرتمند به منظور تحلیل این سیستمها بدل شوند. سیلاب یکی از مهم ترین و مخرب ترین پدیده های هیدرولوژیک است که در چند سال گذشته اثرات اقتصادی و اجتماعی زیادی در استان مازندران برجا گذاشته است. یکی از شاخص های مهم سیلاب دبی حد...

این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصWTI طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های BDS و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری زمانی را تایید کرده و تخمین آماره BDS و شبکه عصبی، ...

تحقیق حاضر ضمن بررسی داده های روزانه نرخ ارز بازار رسمی ایران به مدلسازی و پیشبینی روند سری زمانی نرخ ارز با استفاده از مدل معادلات دیفرانسیل تصادفی انتشار پرش مرتن - (mjd) ومتدولوژی رگرسیون غیر خطی انتقال ملایم، مدل gbellstar می پردازد. همچنین بهمنظور بررسی عملکرد این مدلها در پیشبینی خارج از نمونهی نرخ ارز، مقایسه ای بین این مدلها با مدل اقتصادسنجی سری زمانی arma انجام گرفته است. نتایج پژوهش...

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 ضروری ترین مسائل برای مدیریت منابع آب می باشد. پژوهش حاضر با هدف مقایسه بین مدل های مختلف شبکه عصبی مصنوعی (mlp وrbf) و سری های زمانی آرما (arma) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سال های 1356 تا 1386 پی­ریزی شد. در روش ...

پایان نامه با موضوع مدل بندی سریهای زمانی خود برگشت با مشاهدات گمشده بر اساس تبدیل چندجمله ای بر روی چگونگی براورد پارامتر از مدل اتورگرسیو(ar) سری زمانی تمرکز دارد. الگوریتم های براورد استاندارد برای مدل های ar با مشاهدات گم شده عملی نیستند .در این پایان نامه روش انتقال چندجمله ای برای تبدیل مدل های ar با مشاهدات گم شده به مدل های arma که تنها از مقادیر مشاهدات موجود شناسایی می شوند،بکار گرفته...

طی دهه گذشته، فرآیندهای با حافظه بلند مدت، بخش مهمی از تجزیه و تحلیل سری­های زمانی را به خود اختصاص داده­اند. وجود حافظه بلند مدت در بازده دارایی­ها کاربردهای مهمی در بررسی کارایی بازار، قیمت­گذاری اوراق مشتقه و انتخاب سبد دارایی دارد. در این تحقیق، ابتدا وجود حافظه بلند مدت در سری ­زمانی بازده و نوسانها ی شاخص کل بورس اوراق بهادار تهران بررسی شده است. نتایج آزمون­های آماری، وجود حافظه بلندمدت ...

برای شبیه‌سازی سری‌های زمانی، روش‌هیا مختلفی ارائه شده‌اند که از آن جمله می‌توان مدل‌های سری زمانی AR، ARMA و ARMAX و روش‌های رگرسیون چندخطی (MLR) و رگرسیون ناپارامتری (K-NN) را برشمرد. در این تحقیق، عملکرد این روش‌ها در برآورد داده‌های مفقود و پیش‌بینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل ARMAX با استفاده از ورودی‌های استاندارد شدة دمای کمینه و بیشینه، متوسط دما،...

در این مطالعه دبی جریان سالانه، ماهانه و روزانه رودخانه باراندوزچای ارومیه (1388-1352) با استفاده از مدل های سری زمانی خطی و غیرخطی دوخطی و روش برنامه ریزی ژنتیک مدل سازی شد. برای نرمال کردن داده ها از توابع تبدیل مختلف استفاده و از آماره ضریب چولگی برای آزمون نرمال بودن داده ها استفاده شد. جهت بررسی ایستایی داده ها از آزمون adf استفاده گردید. با حذف عوامل ناایستایی، سری های جریان رودخانه ایستا...

با استفاده از مدل‌­های سری زمانی و زنجیره مارکف مرتبه اول امکان پیش‌­بینی پدیده خشکسالی در بخش خشک و نیمه‌خشک مرکز و شرق ایران مورد بررسی قرار گرفت. برای این منظور با استفاده از داده­‌های بارش 69 ایستگاه سینوپتیک و اقلیم‌شناسی منطقه مورد مطالعه در دوره 2005-1975 نمایه SPI در مقیاس‌های زمانی سه، شش و 12 ماهه برای همه ایستگاه‌­ها محاسبه شد. با استفاده از تحلیل مولفه‌­های اصلی و چرخش به روش وریمکس...

سابقه و هدف: پیش بینی دقیق رواناب رودخانه ها نقش مهمی در مدیریت بهینه منابع آب در دسترس دارد. در سال های اخیر، ماشین بردار پشتیبان (svm) که یکی از مهمترین مدل های داده کاوی است برای این منظور مورد توجه قرار گرفته است. این مدل یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه سازی مقید است که از اصل استقرای کمینه سازی خطای ساختاری استفاده کرده و منجر به یک جواب بهینه کلی می گردد. همانند مدل های داده ...