بدست آوردن نتایج صحیح از آنالیز سیگنال مربوط به پدیده های ژئودینامیکی با استفاده از سری های زمانی بلند مدت gps، منوط به کاهش اثر نویز از داده ها می باشد. این امر در ژئودزی و ژئوفیزیک توسط روش های مختلفی انجام پذیر بوده و در صورت ناقص بودن مدل سازی داده های سری زمانی gps (جهت کاهش نویز)، تفسیر پدیده های ژئودینامیکی حاصل از آن ها به درستی میسر نخواهد بود. به دلیل غیر هم فاصله بودن سری های زمانی g...

سری های زمانی gps شامل یک ترند خطی، حرکات پریودیک با فرکانس های سالیانه و نیم سالیانه، آفست ها و یکسری رفتار های دیگر تحت عنوان نویز می باشند. با توجه به کاربرد های متفاوت سری های زمانی مانند بررسی حرکات تکتونیک، تغییر پوسته زمین و دینامیک زلزله و غیره باید سری های زمانی با دقت بالایی تقریب گردند. برای این منظور لازم است که مولفه های سیستماتیک موجود در مدل تابعی با دقت بالایی تعیین شوند. در این...

هدف از انجام این تحقیق استفاده از تکنیک موجک ها برای کاهش اثر نویز در سری های زمانی بلند مدت gps با اعمال آستانه گذاری های مختلف و مقایسه تاثیر آنها در روند کاهش نویز می باشد. روشهای آستانه گذاری شامل: حد آستانه جریمه، راهکار بیرگه - ماسارت، روش هیبریدی شور- شرینک، روش آستانه گذاری سراسری، روش مینیماکس و روش آستانه گذاری با استفاده از کمینه کردن برآورد نااریب ریسک اشتاین بودند که برای مقایسه تا...

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. ...

امروزه همگام با توسعه ی سرمایه گذاری، نیاز به مدل های تصمیم گیری علمی بیش از پیش آشکار شده است. بدین منظور برای حل مسئله ی انتخاب سبد سهام، مدلی در این پایان نامه ارائه می شود که در آن، از خصوصیات و نقاط قوت دیدگاه تکنیکال و تئوری پوتفولیوی مدرن استفاده می گردد. مدل پیشنهادی شامل هفت گام در قالب سه مرحله ی اصلی است: فیلترسازی اولیه ی شرکت ها با مدل استنتاج فازی، به کارگیری روش میانگین- واریانس ...

مهم ترین مسأله برای بررسی رفتار یک سری زمانی برازش مدل مناسب به آن می باشد. در مدل بندی کلاسیک، استفاده از فرآیندهای arma به همراه نوفه های سفید با واریانس متناهی در نظر گرفته می شود و انتخاب مدل با تاکید بر روی رفتار تابع خودهمبستگی نمونه ای آن انجام می گیرد. اما داده هایی نیز وجود دارند که توزیع کناری دم سنگین برازنده آنهاست . رفتار این داده ها و آنالیز آنها با سری های زمانی دیگر تفاوت عمده ا...