بدون شک مدل های هیدروکلیماتولوژیکی نقش مهمی را درمدیریت منابع آب ایفا می کنند. با توجه به اینکه سری های زمانی هیدروکلیماتولوژیکی دارای سه جزء اصلی خودهمبسته، فصلانه و تصادفی می باشند و رفتار مدل هایی که تاکنون ارائه شده اند، نسبت به این اجزاء متفاوت بوده است، در این مقاله از ترکیب تبدیل موجک با مدل هالت-وینترز(HW) جهت مدلسازی سری های زمانی ماهانه رواناب حوضه لیقوان چای، حوضه Trinity، حوضه West ...

هدف این تحقیق پیش‌بینی شاخص کل قیمت سهام با استفاده از الگوریتم پرواز پرندگان است تا فعالان بازار سرمایه و هم‌چنین تصمیم‌گیرندگان کلان بتوانند از آن به منظور پیش‌بینی روند این بازار استفاده کنند. دوره نمونه‌گیری این پژوهش ده‌ساله و از تاریخ 1378 تا 1387 در نظر گرفته شده است که در آن از شاخص کل قیمت سهام برای پیش‌بینی و هم‌چنین الگوسازی و آزمون استفاده می‌شود. برای این منظور، ابتدا یک چارچوب هوش...

بارش از عمده ترین عناصری است که در تعیین اقلیم یک منطقه تاثیر اساسی دارد و یکی از شاخص های اصلی در پهنه بندی و طبقه بندی اقلیمی بشمار می رود. برنامه ریزی مبتنی بر روند بارش و پیش بینی آن می تواند یکی از عناصر مهم و چشم گیر در کشاورزی و راهگشای بسیاری از مسائل زیست محیطی و کشاورزی باشد؛ بنا بر آشکارسازی چرخه های غالب در بارش سالانه استان فارس در ایستگاه های منتخب (شیراز، فسا، فیروزآباد، لار، سدد...

مدل‌‌های پیش‌بینی سری زمانی فازی در دهه‌های اخیر گسترش زیادی پیدا کرده‌‏اند. این نوع مدل‏‌ها برای داده‌‏های دارای ابهام و ناکامل که ساختار خطی ندارند رفتار مناسبی ارایه داده‌‏اند. این مقاله به بررسی مدل درصد تغییرات سری‌های فازی پرداخته و با مدل آریما مقایسه کرده است. کارایی مدل پیش‌نهادی برای پیش‌بینی بر روی نفت خام اوپک مورد ارزیابی قرار گرفت و نشان داده شد که این مدل برای داده‌های با نوسان‌ه...

خشک‌سالی پدیده‌ای است که برای پیش‌بینی آن نمی‌توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می‌کنند با استفاده از مدل‌های پیشرفته دقت پیش‌بینی‌ها را افزایش دهند. در این زمینه، مدل‌های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل‌های هیبرید می‌توانند در دقت پیش‌بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل‌های اتورگرسیو میانگین متحرک تجمعی (ARIMA)، شبکة عصبی مصنوعی مستقیم (DMSNN)، شبکة عص...

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش...

چکیده سابقه و هدف یکی از مباحث عمده در سیستم­های بهداشت و درمان جهانی، مسئله بهبود عملکرد زنجیره تامین و عدم قطعیت موجود در تقاضا می­­باشد. هدف مطالعه حاضر، پیش بینی میزان تقاضای پلاکت خون با مدل­های شبکه عصبی مصنوعی و آریما، در زنجیره تامین سازمان انتقال خون استان سیستان و بلوچستان بود. مواد و روش‌ها در این مطالعه کاربردی، داده­های مربوط به تقاضا برای 8 نوع پلاکت خون در بازه زمانی سال‌های 139...

عوامل زیادی بر قیمت نفت خام تأثیر می­گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش­بینی این متغیر از طریق مدل­های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل­های تک متغیری روش مناسبی باشد. در این مدل­ها از حافظه تاریخی متغیر برای مدل­سازی و پیش­بینی استفاده می­شود. اما یکی از محدودیت­های مدل­ه...

با توجه به تأثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش­بینی آن در برنامه­ریزی­های محیطی، استفاده از روش­های آماری به­منظور مطالعه تغییرات و پیش­بینی دما، کاربرد وسیعی پیدا کرده است. روش­های آماری ابزارهایی کارآ و مفید برای درک و ارزیابی رفتار اقلیم به­شمارمی­روند. از الگوهای آماری پرکاربرد در این زمینه، می­توان به الگوهای خانواده آریما اشاره نمود. در این الگوی آماری مقادیر براساس رفتارهای گذ...

ورود یورو به سیستم پولی بین المللی به عنوان یک رقیب جدی برای دلار و کاهش مستمر ارزش دلار در برابر یورو و سایر ارزها در چند سال اخیر، خساراتی را برای کشورهایی که دارای ذخایر عمدتاً دلاری بوده اند، در برداشته است. لذا پیش بینی اینکه نوسانات ارزهای خارجی به کدام سو متمایل اند و تعیین سبد ارزی بهینه، حائز اهمیت است. در این مقاله، با استفاده از روش فازی آریما، نرخ برابری ریال ایران در برابر پنج ارز ع...