روش های بارزسازی تغییرات ابزاری قدرتمند در نمایش تغییرات در سطح زمین به شمار می آیند. برای افزایش دقت نقشۀ تغییرات تهیه شده می شود از تکنیک های چند مقیاسی که هم زمان مشاهدات را در مقیاس های بزرگ و کوچک انجام می دهند، استفاده کرد. در این تکنیک ها، افزون بر اطلاعات طیفی، اطلاعات مکانی موجود در تصویر نیز در پردازش دخالت داده می شود. یکی از این تکنیک ها، تکنیک چندمقیاسی موجک است. تکنیک موجک در بسیا...

پیش­بینی دقیق دبی در رودخانه­ها، از مهم­ترین مؤلّفه­های فرآیندهای هیدرولوژیکی و هیدرولیکی در مدیریت منابع آب، به ویژه در اتّخاذ تدابیر مناسب در مواقع خشکسالی و بروز سیلاب است. در این تحقیق از تابع موجک و تجزیۀ مد تجربی یکپارچه که از ابزارهای محاسبات نرم محسوب می شوند، جهت استخراج ویژگی­های سری زمانی استفاده گردیده و کارایی مدل­های موجک- گوسین (DWT- GPR) و تجزیۀ مد تجربی یکپارچه- گوسین (EEMD- GPR)...

این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکۀ عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دورۀ زمانی ۵ فروردین ۱۳۸۸ تا ۱۸ اردیبهشت ۱۳۹۱ استفاده شده است. براساس نتایج این مطالعه، ...

مدلسازی نوسان های زمانی آب زیرزمینی، در مدیریت حوزه‏‏های آبریز و ایجاد تعادل در عرضه و تقاضای آب اهمیت زیادی دارد. در سال‏های اخیر استفاده از تحلیل موجک برای تجزیۀ سری‏های زمانی و ترکیب آن با شبکه‏های عصبی به صورت گسترده‏ای در مدلسازی پدیده‏های هیدرولوژیکی به ­کار رفته ‏است. در این تحقیق، توانایی مدل ترکیبی موجک- شبکۀ عصبی پویا برای پیش‏بینی یک ماه آیندۀ عمق آب زیرزمینی ارزیابی شده و این مدل با...

تقارن یا عدم تقارن سیکل تجاری، مبحث مهمی است که به منظور انتخاب الگوهای رفتاری و پیش بینی نوسانات کلان اقتصادی استفاده می شود. عواملی همچون قیمت نفت، بحرانهای مالی، نااطمینانی، تاخیر در یادگیری و... می تواند باعث عدم تقارن در سیکل ها شود. از طرفی تجزیۀ ادوار تجاری بوسیلۀ تبدیل موجک که ابزاری توانمند در پردازش داده هاست، و بررسی وجود یا عدم وجود تقارن هرکدام از سطوح تجزیه شده، این امکان را می ده...

مدلسازی نوسان‌های زمانی آب زیرزمینی، در مدیریت حوزه‏‏های آبریز و ایجاد تعادل در عرضه و تقاضای آب اهمیت زیادی دارد. در سال‏های اخیر استفاده از تحلیل موجک برای تجزیۀ سری‏های زمانی و ترکیب آن با شبکه‏های عصبی به‌صورت گسترده‏ای در مدلسازی پدیده‏های هیدرولوژیکی به‌­کار رفته ‏است. در این تحقیق، توانایی مدل ترکیبی موجک- شبکۀ عصبی پویا برای پیش‏بینی یک ماه آیندۀ عمق آب زیرزمینی ارزیابی شده و این مدل با...

  این مطالعه برای پیش‌بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش‌بینی‌پذیری را بررسی کرده و نیز عملکرد انواع مدل ‌ های شبکۀ عصبی را با کمک داده‌های تجزیه‌شده با روش موجک ارزیابی کرده است. به‌همین منظور، از داده ‌ های سری‌زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دورۀ زمانی ۵ فروردین ‌۱۳۸۸ تا ۱۸ اردیبهشت ۱۳۹۱ استفاده شده است. براساس نتایج این م...

تقارن یا عدم تقارن سیکل تجاری، مبحث مهمی است که به منظور انتخاب الگوهای رفتاری و پیش‌بینی نوسانات کلان اقتصادی استفاده می‌شود. عواملی همچون قیمت نفت، بحرانهای مالی، نااطمینانی، تاخیر در یادگیری و... می‌تواند باعث عدم تقارن در سیکل‌ها شود. از طرفی تجزیۀ ادوار تجاری بوسیلۀ تبدیل موجک که ابزاری توانمند در پردازش داده‌هاست، و بررسی وجود یا عدم وجود تقارن هرکدام از سطوح تجزیه‌شده، این امکان را می‌ده...

سری زمانی بارش غالباً یکی از ورودی¬های لازم برای تجزیه و تحلیل و طراحی سیستم¬های هیدرولیکی و هیدرولوژیکی می باشد . اطلاعات بارش به منظور کاربرد در این اهداف می¬تواند به صورت اندازه¬گیری مشاهدات بدست آید و یا اینکه به وسیله شبیه¬سازی اتفاقی تولید شود. یک مشکل عمده در مورد داده¬های بارندگی ثبت شده و یا تولیدی این است که این داده¬ها در بازه¬های زمانی به اندازۀ کافی کوچک برای کاربردهای مهندسی موجود ...

This study investigates predictability, chaos analysis, wavelet decomposition and the performance of neural network models in forecasting the return series of the Tehran Stock Exchange Index (TEDPIX). For this purpose, the daily data from April 24, 2009 to May 3, 2012 is used. Results show that TEDPIX series is chaotic and predictable with nonlinear effect. Also, according to obtained inverse o...