چکیده ندارد.

این مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورّم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورّم ایران، مدل شبکة عصبی مصنوعی در پیش بینی آیندة نزدیک در مقایسه با سری های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقّف زودهنگام در مرحلة یادگیری شبکة عصبی برای پیش بینی...

پیش بینی تراز آب دریا در صنایع کشتیرانی، تأسیسات نیرو در مناطق دریایی و بنادر، صنعت شیلات، شهرسازی بنادر، همچنین در علوم مختلف دریایی و اقیانوس شناسی اهمیت ویژه ای دارد. روش های متعددی از قبیل روش های تجربی، مدل های عددی و محاسباتی برای مطالعۀ پیش بینی امواج دریا توسعه یافته است. یکی از این روش های مطالعاتی، روش سری های زمانی است. در این راستا مدل های مختلفی ارائه شده اند که از آن جمله می توان ...

پویایی و تغییرات پدیده ها نسبت به زمان، سرشت ذاتی پدیده ها ی اقتصادی است.در اقتصاد سنجی پدیده های اقتصادی،نادیده گرفتن ویژگی پویایی آنها منجر به ساده سازی بیش از حد پدیده ها می شود و مدل هایی که بر این مبنا به دست می آیند اغلب واقع گرایانه نبوده،موجب تفسیرهای نادرست ار آن پدیده ها می شوند. کاربست رگسیون برای بررسی روابط بین متغیرهای اقتصادی،عملی بسیار متداول است.در چنین کاربردهایی اغلب روابط ب...

منطقه جنوب شرق کشور از جمله مناطقی است که سالانه شاهد توفان­های گرد و غبار فراوان در محدوده سرزمینی خود است. بر اساس همین ضرورت، هدف نهایی پژوهش حاضر تحلیل سری­های زمانی توفان­های گرد و غباری استان در مقیاس­های ماهانه، فصلی و سالانه، شناسایی مدل احتمالی مولد داده­ها و در نهایت الگوسازی برای اظهار نظر در مورد رفتار آینده سری توفان­های گرد و غبار می­باشد. برای انجام پژوهش از آمار هفت ایستگاه بالا...

آگاهی از دبی جریان و پیش بینی آن به ویژه در مواقعی که رودخانه با کم آبی مواجه است امری ضروری در جهت مدیریت بهره برداری از رودخانه است. در این مقاله به منظور مدل سازی سری های زمانی تشکیل شده از کم آبی های ماهانه و پیش بینی مقدار و زمان وقوع کم آبی ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-arima) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکه تطبیقی-anfis) ...

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...

در تحقیق حاضر ابتدا آشوب پذیری سری های زمانی بارش، رواناب و دبی در دو ایستگاه پل کهنه و قورباغستان واقع بر رودخانه قره سو در کرمانشاه در سه مقیاس روزانه، هفتگی و ماهانه بررسی شد. سپس توانایی روش های پیش بینی موضعی و شبکه عصبی مصنوعی در مدل سازی این سری ها مورد ارزیابی قرار گرفت. نتایج نشان دادند که بر اساس دو روش توان لیاپانف و بعد همبستگی، سری زمانی بارش در مقیاس روزانه آشوبناک نبوده و رفتاری ...