پیش بینی وضعیت زیرساخت ict ایران با استفاده از شبکه های عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی
- نویسنده ملیحه اسکندری
- استاد راهنما پیام حنفی زاده محمدتقی تقوی فرد
- سال انتشار 1387
چکیده
هدف از این مقاله، طراحی و ساخت یک مدل برای پیش بینی وضعیت زیرساخت فناوری اطلاعات و ارتباطات در ایران می باشد. برخلاف اکثر مدل های موجود، مدل پیشنهادی بر مبنای در نظر گرفتن فاکتور زمان طراحی شده است و از تکنیک های شبکه های عصبی برای پیش بینی استفاده می کند. این مدل از شاخـــص های اصلی زیرساخت فناوری اطلاعات و ارتباطات استفاده می کند که مورد توافق جــــامعه بین المللی بوده، زیرساخت را به طور کامل پوشش دهد و اطلاعات مربوط به آن در داخل کشور موجود باشد. طــــراحی مدل با استفاده از شبکه های عصبی تاخیر زمانی که یکی از مناسب ترین الگوها برای پیش بینی سری های زمانی است، انجام می شود. برنامه نوشته شده ابتدا هر یک از شاخص ها را مورد بررسی قرار داده و با پیش بینی مقدار هر یک از این شاخص ها، درصد رشد و پیشرفت وضعیت زیرساخت فناوری اطــــلاعات و ارتباطات که میانگین درصد رشد شاخص های آن است به دست می آورد. این پیش بینی برای سال های 1387 تا 1390 انجام گرفته است. علاوه بر این، می توان ترکیب شاخص هایی را که به نظر می رسد بر روی یکدیگر تاثیر دارند، در کنار هم در نظر گرفته و وضعیت زیرساخت فناوری اطلاعات و ارتباطات را با توجه به تاثیر این شاخص ها بر روی یکدیگـــر به دست آورد. علاوه بر این داده های مربوط به کشورهای خاورمیانه (کشورهایی که اطلاعات آنها موجود است) نیز جمع آوری شده و وضعیت زیرساخت فناوری اطلاعات و ارتباطات آنها تا سال 2010 پیش بینی شده است. برای اعتبار سنجی مدل نیز، از روش curve fitting استفاده شده است و وضعیت شاخص ها و زیر ساخت با استفاده از این روش پیش بینی شده است.
منابع مشابه
مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملاستفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران
یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینه‌ی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...
متن کاملپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
متن کاملپیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی
امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...
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 علامه طباطبایی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023