مقایسه روش های مبتنی برموجک ها و تحلیل مقادیر ویژه منفرد در پیش بینی سری های زمانی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم پایه
- نویسنده مینا معروضی
- استاد راهنما مسعود یارمحمدی پرویز نصیری
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
بسیاری از سری های زمانی در علوم کاربردی تابعی مرتبه دوم متغیر با زمان هستند. در این پایان نامه، به مسأله چگونگی پیش بینی این سری های زمانی نامانا توسط موجکهای غیرکاهشی می پردازیم. با به-کارگیری کلاس فرآیندهای موجک موضعی مانا، یک پیش بینی کننده جدید بر اساس موجک ها معرفی می کنیم و معادلات پیش بینی را به صورت تعمیمی از معادلات یول- واکر بدست می آوریم. یک روش محاسباتی خودکار برای انتخاب پارامترهای الگوریتم پیش بینی پیشنهاد می کنیم و الگوریتم پیش بینی را با استفاده از روشهای شبیه سازی با روش تحلیل مقادیر ویژه منفرد (ssa) و فرآیند های اتورگرسیو میانگین متحرک تلفیق شده (arima) مورد مقایسه قرار می دهیم و نشان می دهیم توان پیش بینی روش موجک موضعی مانا (lsw) در مقایسه با سایر روش ها بهتر می باشد. در نهایت، الگوریتم پیش-بینی را برای یک سری زمانی پزشکی که ضربان قلب یک نوزاد در طول شب می باشد بکار می بریم.
منابع مشابه
مقایسه روش های شبکه های عصبی مصنوعی و تحلیل مقادیر ویژه منفرد در پیش بینی سری های زمانی
شبکه های عصبی مصنوعی، یکی از روش های جدید و کاربردی در آمار ریاضی بوده و در مدل سازی، شناخت مدل، خوشه بندی و پیش بینی بکار می رود. در این تحقیق پس از معرفی شبکه های عصبی مصنوعی، عوامل مختلف ساختاری، روش های متفاوت یادگیری شبکه های عصبی و انتخاب و استفاده از داده ها در فرآیند پیش بینی، مورد ارزیابی قرار می گیرد. سپس نظریه تحلیل مقادیر ویژه منفرد به عنوان روش جدیدی برای تحلیل سری زمانی معرفی می ش...
15 صفحه اولکاربردهای 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 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 کاملمقایسة عملکرد رگرسیون های چندخطی، رگرسیون ناپارامتری و مدلهای سری زمانی در برآورد و پیش بینی مقادیر تبخیر
برای شبیهسازی سریهای زمانی، روشهیا مختلفی ارائه شدهاند که از آن جمله میتوان مدلهای سری زمانی AR، ARMA و ARMAX و روشهای رگرسیون چندخطی (MLR) و رگرسیون ناپارامتری (K-NN) را برشمرد. در این تحقیق، عملکرد این روشها در برآورد دادههای مفقود و پیشبینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل ARMAX با استفاده از ورودیهای استاندارد شدة دمای کمینه و بیشینه، متوسط دما،...
متن کاملمقایسه دقت پیش بینی سود توسط مدیریت با سری های زمانی باکس-جنکینز
در این تحقیق تلاش محقق بر این است که برای پیش بینی EPS شرکتها، مشهورترین روش های پیش بینی را در مقایسه با پیش بینی های مدیریت در بودجه شرکتها مورد مقایسه قرار دهد. بدین منظور از بین روش های گوناگون پیش بینی، مشهورترین آنها (روش باکس-جنکینز) انتخاب و برمبنای روشهای اقتصاد سنجی، مدل مناسب برازش میشود. بدیهی است براساس روشهای صحت سنجی و آزمونهای اقتصاد سنجی، مدل فوق بایستی تایید گردد. در این حا...
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 پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم پایه
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023