مطالعه ای بر مدل سری های زمانی متلاطم
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده ریاضی و کامپیوتر
- نویسنده نفیسه آل محمد
- استاد راهنما سعید رضاخواه احمد عبدالهی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1387
چکیده
در این پایان نامه، کلاسی از مدل های متلاطم تشریح شده که توسط مدل های رگرسیو با اندیس تولید می شوند. هر سری زمانی رفتار ویژه خاص خود را دارند و با استفاده از تکنیک های سری های زمانی استاندارد موجود نمی توانند مدل بندی شوند.این یک پدیده در بسیاری از سری های زمانی از جمله سریهای اقتصادی می باشد. از این جهت تابع خودهمبستگی و چگالی طیفی برای بسیاری از سری های مختلف رفتاری مشابه دارند و لذا برای سری های مختلف می تواند یک مدل مشخص را برازش داد. لیکن این عمل منجر به پیش بینی های ضعیف گردیده و باعث نتایج خطرناکی در تصمیم گیری های مدیریتی می گردد. یکی از راه حل های این مشکل در کاربردهای معرفی یک کلاس جدید از خانواده اتورگرسیو است که پارامتر جدیدی به آن اضافه شده است. این کلاس از سری زمانی power integrated ar(1) or piar (1 نامیده می شود.
منابع مشابه
مقایسهی مدل سری زمانی فازی درصدی و مدل سری زمانی کلاسیک: بررسی توان پیشبینی کوتاهمدت در نوسانهای شدید
مدلهای پیشبینی سری زمانی فازی در دهههای اخیر گسترش زیادی پیدا کردهاند. این نوع مدلها برای دادههای دارای ابهام و ناکامل که ساختار خطی ندارند رفتار مناسبی ارایه دادهاند. این مقاله به بررسی مدل درصد تغییرات سریهای فازی پرداخته و با مدل آریما مقایسه کرده است. کارایی مدل پیشنهادی برای پیشبینی بر روی نفت خام اوپک مورد ارزیابی قرار گرفت و نشان داده شد که این مدل برای دادههای با نوسانه...
متن کاملتحلیل مقایسه ای مدل های سری های زمانی داده های دبی کل، دبی پایه و جریان سطحی (مطالعه موردی: ایستگاه هیدرومتری ارازکوسه)
متن کامل
بازسازی سری های زمانی داده های ماهواره ای دمای سطح زمین با استفاده از الگوریتم تجزیه و تحلیل هارمونیک سری های زمانی (HANTS)
دمای سطح زمین (LST) یکی از پارامترهای اساسی در مبادله انرژی بین زمین و اتمسفر است. در بسیاری از علوم مختلف از جمله اقلیمشناسی، هیدرولوژی، کشاورزی، اکولوژی، بهداشت عمومی و علوم زیستمحیطی استفاده از سریهای زمانی LST کاربرد فراوان دارد. اما سریهای زمانی دادههای ماهوارهای معمولاً دارای دادههای ناقص، از دست رفته و یا غیر قابل قبول هستند که این به دلیل حضور ابرها در تصاویر، وجود ذرات گرد و غبار...
متن کاملبررسی و پیش بینی وضع آلاینده های هوای شهر کرمان با مدل سری های زمانی
Anderson, H.R., 2009. Air pollution and mortality: A history. Atmospheric Environment, 43, pp. 142-152 . Box, GEP. and Jenkins, G.M., 1976. Time series analysis: forecasting and control, San Francisco, Holden Day Pulications . Duenas, C., Fernandez, M.C., Canete, S., Carretero,Liger E, 2005. Stocastic model to forecast ground level ozone concentration at urban and rural areas . Chemospher...
متن کاملچگونه یک مدل مناسب برای دادههای سری زمانی انتخاب کنیم؟
The time series is a collection of observation data that are arranged according to time. The main purpose of setting up a time series is to predict future values. The first step in time series data is graphed. Using graphs can provide general information such as uptrend or downtrend, seasonal patterns, periodic presence, and outliers in time series graphs. After graphing the data, if a good for...
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 صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده ریاضی و کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023