یکی از موضوعات مهم در تحلیل داده‌های فضایی، پیش‌گویی مقدار نامعلوم کمیت مورد مطالعه در موقعیت‌های دلخواه بر اساس یکی از مدل‌های فضایی مانند اتورگرسیو فضایی یک‌طرفه، اتورگرسیو شرطی و میانگین متحرک است. در این مقاله ابتدا پارامترهای مدل (SAR(2,1 را به روش ماکسیمم درستنمایی برآورد کرده سپس فرمول‌هایی برای پیش‌گویی درون قلمرو داده‌ها (درون‌یابی) و خارج قلمرو داده‌ها (برون‌یابی) به‌دست آورده می‌شود...

خشک سالی پدیده ای است که برای پیش بینی آن نمی توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می کنند با استفاده از مدل های پیشرفته دقت پیش بینی ها را افزایش دهند. در این زمینه، مدل های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل های هیبرید می توانند در دقت پیش بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل های اتورگرسیو میانگین متحرک تجمعی (arima)، شبکة عصبی مصنوعی مستقیم (dmsnn)، شبکة عص...

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 ...

همبستگی متناوب در سرتاسر فرآیند آنالیز واریانس (anova) مدل هایی که جمله خطای آن ها شامل یک سری زمانی اتورگرسیو متناوب است، وجود دارد. در این پایان نامه خواص مجانبی برآوردگرهای کمترین مربعات و فرض های آزمودنی خطی با یک آزمونf تعدیل شده را در آنالیز واریانس سریهای اتورگرسیو متناوب مورد بررسی قرار می دهیم. همچنین تکنیک های ثابت شده را برای ساختن استنباطهایی درباره شدت جریانهای سه ماهه رودخانه کر د...

بیش تر سری های زمانی به ویژه سری های اقتصادی در عمل‎‎ دارای نوسان هستند. تحلیل سری های زمانی متعارف مانند، مدل اتورگرسیو و میانگین متحرک یا تلفیق یافته این دو مدل بر پایه همسانی واریانس ها هستند. منطقی آن است که از مدل هایی استفاده شود که، شروط ناهمسانی را در مدل های قبلی در نظر بگیرند. یک خانواده مهم در این مدل ها، خانواده مدل های اتورگرسیو واریانس ناهمسان شرطی‎‎ (arch) است که به خوبی نوسانات ...

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...

به منظور اجرای آنالیز رگرسیونی بر روی دادها، برای مثال می توان از مدل پروبیت ترتیبی استفاده نمود. در این مدل داده ها مستقل از هم در نظر گرفته می شوند. بنابراین وابستگی زمانی که ممکن است بین داده ها وجود داشته باشد، در این مدل بندی لحاظ نمی شود. در این رساله مدل جدیدی را که شامل ساختار اتورگرسیو می باشد، به نام مدل اتورگرسیو پروبیت ترتیبی را معرفی خواهیم کرد. که در این مدل وابستگی زمانی در مدل ب...