کاربرد شبکه های عصبی در پیش بینی سری های زمانی غیرخطی مطالعه موردی:صنعت چوب ایران
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان
- نویسنده وحید رنجبر
- استاد راهنما علی اکبر نیک نفس
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
ماهیت روابط تشریح کننده بسیاری از فرآیندها و روندهای واقعی زندگی اغلب غیر خطی هستند.لذا پیش بینی رفتار چنین فرآیندها و روندها نیازمند ابزارهای پیش بینی دقیق و اثر بخش است. لذا در این پایان نامه کاربرد شبکه های عصبی در پیش بینی سری های زمانی غیر خطی و مزیت آن بر مدل های پیش بینی معمول مورد مطالعه قرار گرفته است. بدین منظور داده های مربوط به صنعت چوب ایران را از سالهای 1961 تا 2007 میلادی مورد مطالعه قرار می دهیم. وسپس نتایج حاصل از اعمال شبکه های عصبی را با مدل های غیر خطی بدست آمده از نرم افزار matlab با توجه به شاخص میانگین مطلق درصدی خطا مورد مقایسه قرار می دهیم . مقایسه نتایج نشان می دهد عملکرد شبکه عصبی طراحی شده در مقایسه با روش های رگرسیونی در مطالعه اول 63/96 درصد، در مطالعه دوم 57/23 درصد و در مطالعه سوم 94/74 درصد داده های آزمون را بهتر پیش بینی کرده است.
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 مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی
سفره های آب زیرزمینی غالباً به عنوان سیستم هایی با ویژگی های غیرایستا و غیرخطی شناخته می شوند. مدل سازی این سیستم ها و پیش بینی حالت های آینده آن ها نیازمند تشخیص این ویژگی های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی های اشاره شده، به طور گسترده ای در زمینه پیش بینی سری های زمانی هیدرولوژیکی مورد استفاده قرار گرفته است. در این مقاله توانایی مدل ترکیبی ...
متن کاملمقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران
با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی زمانی1371:1 تا 1385:11 بوده و از شر...
متن کاملکاربردهای 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 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 سیستان و بلوچستان
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023