انتخاب متغیرهای ورودی در شناسایی سیستم ها و کاربرد آن در پیش بینی سری های زمانی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تهران
- نویسنده محمدمهدی رضایی یوسفی
- استاد راهنما کارو لوکس بابک نجاراعرابی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1386
چکیده
چکیده ندارد.
منابع مشابه
کاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
متن کاملکاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش بینی سری زمانی
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...
متن کاملکاربرد روش تحلیل سری زمانی در پیش بینی تکامل شورابه در دریاچه ارومیه
بررسی هیدروشیمی آب دریاچه ارومیه از سال 2007 تا 2015 با آنالیز180 نمونه آب انجام گرفت. این تحقیق قصد دارد با توجه به تغییرات میزان آنیون ها و کاتیون های اصلی در شورابه دریاچه ارومیه طی این دوره 9 ساله، با استفاده از روش آماری ARIMA به پیش بینی مقدار یون های موجود در دریاچه ارومیه برای شش سال آینده بپردازد. مهم ترین هدف از تجزیه و تحلیل سری های زمانی یافتن روند تغییرات و پیش بینی آینده بر مبنای ...
متن کاملپیش بینی تقاضای پول در افق 1404 در ایران ( کاربرد الگوی سری زمانی )
آگاهی از میزان تقاضای پول آتی کشور بهمنظور تعیین اولویتها و انتخاب سیاست پولی در راستای مساعدت به رشد و توسعة اقتصادی، ضروری است. پژوهش حاضر، میزان تقاضا برای پول در ایران را در افق 1404 با استفاده از الگوهای سری زمانی VECM، VAR و ARIMA، با بکارگیری دادههای سالهای 1355 تا 1385، پیشبینی میکند. نتایج نشان میدهد که الگوی ARIMA با میزان خطای 1/3 درصد، مناسبترین پیشبینی را برای تقاضای پول دارد. بر ا...
متن کاملکاربرد روش پنجره لغزان برای انتخاب ساختار شبکه عصبی با تاخیر زمانی در پیش بینی سری های زمانی مالی
چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل سازی برگرفته از محاسبات هوشمند است که در کنار روش های کلاسیک برای پیش بینی سری های زمانی مالی بکار گرفته می شود. این مدل اغلب در مواردی که از سری زمانی داده های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می شود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیش بینی مع...
متن کاملاستفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان
پیشبینی مقادیر جریان ورودی به سیستم منابع آب بهمنظور آگاهی از شرایط آینده و برنامهریزی برای تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب میباشد. هدف از پژوهش حاضر پیشبینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از دادههای هیدرومتری ایستگاه قزاقلی با دوره آماری 47 سال و سه مدل سریزمانی، شبکه عصبی و ماشین بردار پشت...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تهران
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023