پیش بینی شاخص های اقتصادی با استفاده از ماشین بردار پشتیبان، تئوری آشوب و الگوریتم های بهینه سازی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - دانشکده مهندسی صنایع
- نویسنده احمد کاظم
- استاد راهنما ابرهیم شریفی حمیدرضا گلمکانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
تامین انتظار سهام داران و مشتریان و همچنین موفقیت در بازار کسب و کار نیازمند پیش بینی دقیق شاخص های اقتصادی می باشد. با این وجود، پیش بینی شاخص های اقتصادی به دلیل رفتار غیرخطی و ناایستایی این نوع شاخص ها، همواره به عنوان یکی از چالش برانگیزترین مسائل در سری های زمانی مطرح بوده است. در این تحقیق مدل هایی مبتنی بر ماشین بردار پشتیبان، نگاشت آشوبی و الگوریتم های بهینه سازی ژنتیک (ga)، گروه های ذرات (pso) و حشرات شب تاب (fa) ارائه شده است. مدل های ارائه شده دارای سه مرحله می باشد. در مرحله اول با استفاده از روش بازسازی فضای حالت، رفتار و دینامیک پنهان در ساختار شاخص استخراج می شود؛ در مرحله دوم، ماشین بردار پشتیبان بر اساس فضای بازسازی شده، آموزش دیده و بر روی داده های آزمایشی اعمال می گردد و در مرحله سوم بر اساس دو معیار خطای پیش بینی شامل میانگین مربعات خطا (mse) و میانگین درصد خطای مطلق (mape) ، پارامترهای مربوط به ساختار ماشین بردار پشتیبان با استفاده از الگوریتم های ژنتیک، ژنتیک آشوبی، گروه های ذرات، گروه های ذرات آشوبی، حشرات شب تاب و حشرات شب تاب آشوبی بهینه می گردد تا بهترین ساختار ممکن ماشین بردار پشتیبان، برای پیش بینی شاخص های اقتصادی آموزش ببیند. جهت نمایش توانایی این مدل ها، داده های مربوط به ارزش نهایی روزانه سهام سه شرکت اینتل، نشنال بنکشیرز و مایکروسافت از بازار بورس نسداک گردآوری شده و مدل های فوق به آن برازش داده شده است. همچنین برای مقایسه عملکرد مدل ها، پنج ساختار مختلف شبکه های عصبی نیز برای پیش بینی داده های فوق بکار گرفته شده است. نتایج نشان دهنده برتری این مدل ها نسبت به مدل های مبتنی بر شبکه های عصبی می باشد. در بین مدل های ارائه شده نیز مدل مبتنی بر ماشین بردار پشتیبان، نگاشت آشوبی و الگوریتم حشرات شب تاب بهترین عملکرد را دارد.
منابع مشابه
پیش بینی ژن های بیماری با استفاده از دسته بند تککلاسی ماشین بردار پشتیبان
Abstract: In disease gene identification and classification, users are only interested in classifying one specific class, disease genes, without considering other classes (non-disease genes). This situation is referred to as one-class classification. Existing machine learning-based methods typically use known disease gene as positive training set and unknown genes as negative training set to bu...
متن کاملبررسی خواص مخزنی سازند سروک براساس نمودارهای پتروفیزیکی و ماشین های بردار پشتیبان بهینه سازی شده با الگوریتم ژنتیک
متن کامل
توانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی
درماندگی مالی پیش از ورشکستگی مالی رخ میدهد و پیش بینی موثر آن یک مسئلهی مهم و چالش برانگیز برای شرکتها میباشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد میپردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آنها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی م...
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 کاملپیش بینی قیمت تسویه در بازار برق: الگوریتم ماشین بردار پشتیبان بهبودیافته
با تشکیل بازار برق ایران در سال 1382، تولیدکنندگان انرژی با ثبت پیشنهاد قیمت خود بهصورت روزانه در سامانه مدیریت شبکه، با یکدیگر به رقابت میپردازند.در این رقابت تنها تولیدکنندگانی پیروز هستند که قیمت پیشنهادی آنها پایینتر از قیمت تسویه بازار در ساعات روز بعد باشد، ازاینرو پیشبینی قیمت تسویه بازار در روز بعد برای تولیدکنندگان انرژی امری حیاتی بوده و در کسب هر چه بیشتر سهم بازار برق ایران به...
متن کاملپیش بینی عمق آب شستگی اطراف پایه پل با استفاده از ماشین های بردار پشتیبان
چکیده- آب شستگی یکی از مهم ترین عوامل خرابی پل ها است. بنابر این، تخمین عمق آب شستگی پای پل ها اهمیت زیادی برخوردار دارد. تاکنون فرمول ها و روابط تجربی زیادی برای تخمین عمق چاله آب شستگی ارائه شده است؛ اما این روابط از دقت مناسبی برخوردار نیستند. علاوه بر این، پیچیدگی مدل سازی فرایند آب شستگی سبب شده است تا از روش های جایگزین روابط تجربی، مانند روش های داده کاوی برای تخمین عمق آبشستگی پای پل ها...
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 تفرش - دانشکده مهندسی صنایع
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023