هدف اصلی از این تحقیق تعمیم روشهای رگرسیونی نیرومند به مدلهای سریهای زمانی است . در ابتدا پس از ارائه روشهای رگرسیونی نیرومند شامل رگرسیون ‏‎l1‎‏ ، ‏‎-m‎‏ برآورد ها ، ‏‎-gm‎‏ برآوردها، روش ‏‎lms‎‏ و روش ‏‎lts‎‏ جهت انتخاب بهترین روش ، به مقایسه کارایی آنها در رابطه با کاهش اثر نقاط پرت بر روی برآورد پارامترهای مدل پرداخته می شود. در ادامه پس از بیان انواع نقاط پرت و روشهای شناسایی آنها در مدلها...

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...

شبکه های عصبی مصنوعی، یکی از روش های جدید و کاربردی در آمار ریاضی بوده و در مدل سازی، شناخت مدل، خوشه بندی و پیش بینی بکار می رود. در این تحقیق پس از معرفی شبکه های عصبی مصنوعی، عوامل مختلف ساختاری، روش های متفاوت یادگیری شبکه های عصبی و انتخاب و استفاده از داده ها در فرآیند پیش بینی، مورد ارزیابی قرار می گیرد. سپس نظریه تحلیل مقادیر ویژه منفرد به عنوان روش جدیدی برای تحلیل سری زمانی معرفی می ش...

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل ARMA سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل ARMA و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر‌اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده...

یکی از مسائل مهم و راهبردی در مباحث اقتصادی امروز، دقت، صحت و کارایی مدل های پیش بینی سری های زمانی است. به همین دلیل در سال های اخیر توجه اقتصاددان ها به مدل های ناخطی معطوف شده است. زیرا، پدیده های متعددی نظیر آشوب در مدل های ناخطی قابل بررسی است. در این مقاله، به بررسی وجود آشوب در سری زمانی قیمت های آتی نفت (96-1999) می پردازیم. به این منظور از دو روش عمومی و کاربردی تخمین بعد هم بستگی (CD)...

تعیین الگوی مناسب یکی از مسائل مهم در مدل سازی و پیش بینی سری های زمانی، با توجه به مکانیسم سیستم مورد نظر است. اغلب، بدون بررسی خطی یا غیرخطی بودن سیستم از مدل های رایج خطی سری زمانی استفاده می شود. در این تحقیق فرآیند جریان رودخانه های نازلوچای، شهرچای و باراندوزچای واقع در استان آذربایجان غربی و غرب دریاچه ارومیه با آزمون غیرخطی bds در سه مقیاس زمانی (سالانه، ماهانه و روزانه) بررسی شده است. ...

یکی از روش­های مناسب در پیش­بینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روش­های الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (arima) است. در این پژوهش از مدل های arima و arfima برای پیش­بینی قیمت هفتگی بنزین استفاده شد. همچنین پیش­بینی مدل arima با پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک (arfima)...

تبخیر-تعرق یکیازمؤلفه­هایمهمدرمصرفمنابعآب در بخش کشاورزیمی­باشد. لذا ارائه روشی که پیش­بینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، می­تواند در اخذتصمیم­ بهینهبرایبرنامه­ریزی منابع آب کمککند. دراینتحقیق،روش­های سری زمانی و شبکه­های عصبی مصنوعی درپیش­بینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدل­های arو ar...

تبخیر پتانسیل از جمله مؤلفه های چرخه آب در طبیعت است که پیش بینی آن یک کار پیچیده و غیرخطی است. بنابراین، برای تخمین آن بایستی از مدل های پیشرفته ریاضی استفاده نمود. مطالعه حاضر، با هدف ارائه مدل پیش بینی سری زمانی پتانسیل تبخیر روزانه ایستگاه تبریز با استفاده از دو رویکرد شبکه عصبی و شبکه عصبی ـ موجکی همراه با نویززدایی داده ها انجام گرفت. سری زمانی روزانه مقدار تبخیر تشتک تبخیرسنج ایستگاه تبر...

یک مدل arma خطی بصورت زیر را در نظر بگیرید. xt+?1xt-1+...+?kxt-k?+?t+?1?t-1+...+?l?t-l همانطور که می دانیم، در مدل پارامترها ثابت فرض می شوند، در صورتی که در کلاس بزرگی از سریهای زمان غیرخطی، پارامترها بصورت تابعی از گذشته خود می باشند. پریستلی با قرار دادن xt-1(?t-1,...,?t-l,xt-1,...,xt-k)?؟ به عنوان بردار حالت ?xt-1 هستند یک مدل کلی به نام مدل وابسته به حالت (sstate dependent model) را بصورت ...