عاملان اقتصادی با پیش بینی های درست و کم خطا می توانند گامی بلند در جهت پیشرفت روند صحیح اقتصادی بردارند. در این میان پیش بینی تورم به عنوان یکی از متغیرهای کلیدی کلان اقتصادی از اهداف عمده دولت ها محسوب می شود. در این مطالعه علاوه بر معرفی مدل های خودرگرسیون تناوبی(par) ونحوه عملکرد آنها در سری های زمانی اقتصادی، از یک مدل par برای پیش بینی تورم برای هر فصل با استفاده از داده های سری زمانی فصل...

انرژی یکی از بخش‏های مهم اقتصاد می‏باشد و گاز طبیعی و برق از مهم‏ترین حامل های انرژی به شمار می آیند. بیشتر کارهای انجام شده در حوزه پیش بینی در رابطه با تقاضای کل انجام شده است. برای انجام سیاست گذاری ها و برنامه ریزی در این حوزه تنها تقاضای کل کافی نیست، بلکه باید اطلاعات دقیق تری چون کمترین میزان مصرف و بیشترین میزان مصرف وجود داشته باشد تا با توجه به میزان مصارف و اختلاف بین حداکثر و حداقل،...

  تورم به عنوان یکی از بنیادی‌ترین چالش‌های اقتصادی، در طول حیات اقتصادی هر کشور شناخته می‌شود، به همین دلیل پیش‌بینی روند تورم برای تنظیم سیاست‌های اقتصادی اهمیت به‌سزایی دارد. این نیاز موجب توجه جدی به کاربرد مدل‌های مختلف برای پیش‌بینی نرخ تورم شده است؛ و بدین منظور مدل‌های پیش‌بینی گوناگونی در رقابت با یکدیگر توسعه یافته‌اند. از این رو این پژوهش با هدف پیش‌بینی ماهیانه نرخ تورم در ایران بر...

اغلب پدیده های طبیعی رفتاری غیرخطی دارند که لازمه ی تشخیص مناسب آن ها استفاده از مدل های غیرخطی است. در گذشته مدل های گوناگونی به منظور پیش بینی متغیرهای اقتصادی مورد استفاده قرار می گرفتند. اما این مدل ها ضعف هایی داشتند که به محقق اجازه نمی دادند تا عوامل پیچیده و غیرخطی موثر بر پیش بینی را درنظر بگیرد. ازاینرو روش های جدیدی در پیش بینی به نام روش های یادگیری ماشین پا به عرصه وجود نهاده اند ک...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

سامانة مکان­یاب تفاضلی برای تعیین موقعیت دقیق نیازمند پیشگویی تصحیحات تفاضلی برای زمان­های آینده است. این سامانه از دو ایستگاه ثابت و متحرک تشکیل شده است. اگر ماهواره­های دو ایستگاه دقیقاً یکسان باشد، منابع خطا در دو ایستگاه تقریباً نزدیک به هم خواهد بود، در این حالت فاکتورهای مختصات مکان مرجع برای جبران خطای مکان­یابی ایستگاه کاربر به عنوان فاکتورهای تصحیح‌شده قابل استفاده است. در این مقاله، از ...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (ARIMA)[1]و شبکه­های عصبی مصنوعی(ANN)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

پیش­بینی پدیده­های اقتصادی ساختاری فراهم می­کند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری ­دهد. هدف اصلی این مطالعه پیش­بینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روش­های سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده می­شود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...

آگاهی از دبی‌ جریان و پیش‌بینی آن به ویژه در مواقعی که رودخانه با کم‌آبی مواجه است امری ضروری در جهت مدیریت بهره‌‌برداری از رودخانه است. در این مقاله به ‌منظور مدل‌سازی سری‌های‌ زمانی تشکیل شده از کم‌آبی‌های ماهانه و پیش‌بینی مقدار و زمان وقوع کم‌آبی‌ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-ARIMA) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکة تطبیقی-ANF...

پیش‏بینی نوسانات سطح آب‏زیرزمینی، برای مدیریت و استفاده از منابع آبی به ویژه در مناطق خشک و نیمه‏خشک امری ضروری است. در تحقیق حاضر برای پیش‏بینی نوسانات سطح آب‏زیرزمینی در دشت ارومیه از مدل‏های سری‏زمانی استفاده شد. جهت بررسی نرمال بودن و ایستایی داده¬ها به‏ترتیب از آزمون چولگی و adf استفاده گردید. سپس با حذف عوامل ناایستایی، سری¬ سطح آب‏زیرزمینی ایستا ‏شد و مدل‏های مختلف سری زمانی بر داده‏های ...