مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

هدف این مقاله بازیابی وجود یا عدم وجود روند معنی دار تغییر اقلیم در نیمه غربی کشور می باشد. داده های ماهانه 16 متغیر اقلیمی در12 ایستگاه سینوپتیک برای دوره 50 ساله(2000-1951) استفاده گردیده است. داده ها شامل دو گروه متغیرهای دما و رطوبت می شوند. روش تحقیق مبتنی بر تحلیل آماری چند متغیره و مدل های پیش بینی باکس جنکینز می باشد. با توجه به محاسبه های صورت گرفته بر روی داده ها، متغیرهای دمایی بویژه...

در این پایان نامه به بررسی الگوی اتورگرسیو با ضرایب غیر ثابت و ساختارهای همبستگی و مانایی آن‎ ها می پردازیم.در ادامه توزیع t چند متغیره، توزیع نرمال چوله تک متغیره و چند متغییره و زنگ آمیزی نرمال چوله مورد بررسی قرار گرفته و روی الگوی نرمال چوله arma و مانایی این الگو به بحث پرداخته شده است و با استفاده از تجزیه والد به این نتیجه می رسیم که وقتی پارامتر چولگی برابر صفر باشد این الگو به الگوی ar...

تحلیل سری های زمانی شمارشی در سال های اخیر رشد و توسعه ی بسیاری پیدا کرده است. این سری ها اغلب بیش پراکنده هستند و مدل اتورگرسیو ناهمواریانس شرطی تعمیم یافته ی شمارشی قادر به توصیف فر‎‎آیندهای شمارشی بیش پراکنده و‎ ‎ناهمسان‎ در واریانس می باشد. ‎ ‎این تحقیق سریهای زمانی شمارشی با بیش پراکندگی و وجود مشاهداتی با مقادیر بزرگ را مورد بحث قرار می دهد. ‎‎ ‎به‎ علت عملکرد ضعیف مدل اتورگرسیو ناهمو...

شبکه‌های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی‌های زمانی غیرخطی می‌پردازند. مزیت این مدل‌ها در مقایسه با مدل‌های سری زمانی این است که نیاز به فرضیات محدود کننده نمی‌باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می‌باشد. برای این منظور با استفاده از روش‌های خودگردان، می‌توان دقت برآوردگرها را در ساختارهای پیچید...

چکیده ندارد.

پیش بینی تصادفات در قطعات راه عمدتاً به کمک مدل های آماری انجام می گیرد.مدلهای معمول آماری مانند مدل دوجمله ای منفی دارای محدودیت هایی هستند، برای مثال در این مدل ها اثر متقابل نزدیک بودن دو تقاطع خاص به یکدیگر در نظر گرفته نمی شود. به این اثر رابطه فضایی بین داده های قطعات متوالی گفته می شود.در اکثر مطالعات انجام شده وابستگی فضایی بین قطعات راه در نظر گرفته نشده است. در مواجهه با داده های مکانی...