در این مقاله تلاش شده ‏است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی به‌منظور پیش‌بینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز به‌منظور تجزیه سری زمانی قیمت استفاده شده‏، سپس ضرایب تقریبات و جزئیات مؤثر به‌عنوان ورودی شبکه عصبی به‌منظور پیش‌بینی قیمت گاز طبیعی هنری هاب به‌عنوان مرجعی برای قیمت گاز طبیعی در آمریکا به‌کار رفته ‏است. مقایسه عملکرد نسبی مدل تر...

امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد کشور را تشکیل می دهد. به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانند بالاترین بازده را از سرمایه گذاری خود کسب کنند. از سوی دیگر، شاخص قیمت سهام نشان¬دهنده وضعیت کلی بازار سهام است و می تواند به پیش بینی سهامداران جهت سرمایه گذاری کمک کند. اغلب در سالهای گذشته از روشهای کلاسیک برای پیش بینی قیمت سهام استف...

در این مطالعه مدل‌های شبکه عصبی مصنوعی، رگرسیون خطی چند متغیره، برنامه‌ریزی ژنتیک و ترکیب شبکه عصبی- موجک برای پیش بینی اکسیژن‌خواهی بیوشیمیایی ماهانه آب (BOD) در ایستگاه خروجی سد کرج بررسی شد و تأثیر پیش‌پردازش داده‌ها روی عملکرد مدل‌ها بوسیله تجزیه موجک مورد تحقیق قرار گرفت. به این منظور در مدل پیشنهادی اول، سری زمانی BOD مشاهداتی بوسیله توابع تبدیل مختلف در سطوح مختلفی به زیر سری‌ها تجزیه شد...

زمینه و هدف: پیش بینی و کنترل کیفیت آب رودخانه کرج، به عنوان یکی از مهم ترین منابع تامین کننده آب مورد نیاز شهر تهران، از اهمیت بسزایی برخوردار است. در این تحقیق، عملکرد مدل های شبکه عصبی (ann)، مدل ترکیبی شبکه عصبی – موجک (wann) و رگرسیون خطی چند متغیره (mlr)، برای پیش بینی یک ماه آینده یون نیترات و اکسیژن محلول ایستگاه پل خواب واقع در رودخانه کرج، مورد ارزیابی قرار گرفت. روش بررسی: از یک دوره...

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع­های مهم و موردتوجه محافل علمی و سرمایه‌گذاری بوده است. در سالیان گذشته مدل­های گوناگونی برای پیش‌بینی با استفاده از شبکه عصبی و مدل­های ترکیبی پیشنهاد شده‌اند که از مدل­های سنتی عملکرد بهتری داشتند. در این پژوهش یک مدل ترکیبی از شبکه عصبی و تبدیل موجک پیشنهادشده است که از الگوریتم ژنتیک برای بهینه­سازی تابع پایه تبدیل موجک با هدف حداکثر ن...

در این مقاله یک الگوریتم ترکیبی برای حل مساله طراحی مقاوم با چندین متغیر پاسخ ارائه شده است. الگوریتم ارائه شده، ترکیبی از شبکه های عصبی و تکامل توام ژنتیکی است که در آن شبکه های عصبی به عنوان تقریب زننده تابع، نگاشت بین متغیرهای فرایند را تقریب زده و الگوریتم تکامل توام مدل ساخته با هدف مقاوم ساختن متغیرهای پاسخ فرایند، را حل می نماید و نتایج این الگوریتم با الگوریتم ژنتیک مقایسه می شود. روش پ...