براورد ماکسیمم درستنمایی پارامترهای مدل نیمن - اسکات فصلی با پالس های مستطیلی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - پژوهشکده اقتصاد
- نویسنده سمیه کریمی دهناشی
- استاد راهنما رضا پورطاهری محمد رضا صالحی راد
- سال انتشار 1393
چکیده
شبیه سازی از تاریخچه ی بارش باران، معمولاً در مبحث هیدرولوژی با استفاده از مدل های خوشه ای انجام می شود. از جمله این مدل ها، مدل نیمن - اسکات با پالس های مستطیلی است. یکی از مهم ترین مشکلات در مدل سازی بارش باران، اغلب برازش مدل های فرض شده است. برازش پارامترهای مدل نیمن - اسکات، از روش های گشتاوری انجام می شده است. اما به دلیل محدودیت هایی، در این جا، یک روش طیفی را با در نظر گرفتن تابع درستنمایی تقریبی با مجموعه ای از نمونه ضرایب فوریه، معرفی می کنیم. در این روش براورد، نیاز به چگالی طیفی مدل و دوره نگار داده ها داریم. چگالی طیفی برای رده ای از مدل های بارش مبتنی بر فرایند نقطه ای ارایه شده است. هم چنین، این روش را برای مدل نیمن - اسکات فصلی و زمانی که تعداد تکرارهای هر فصل مستقل از فرایند بارش است، ارایه می دهیم. هم چنین، از یک الگوریتم تکامل مجتمع مخلوط شده sce-ua برای می نیمم کردن تابع هدف استفاده می شود. الگوریتم sce-ua توان بسیار بالایی در پیدا کردن نقاط بهینه دارد.
منابع مشابه
برآورد پارامترهای فرایند خوشه ای نیمن - اسکات با پالس های مستطیلی
در این پایان نامه یکی از انواع مدل های فرایند خوشه ای تحت عنوان فرایند نیمن - اسکات با پالس های مستطیلی مورد بررسی قرار گرفته است که در مسائل هواشناسی و مخصوصا در فرایند بارش کاربرد اساسی دارد. در سال های اخیر ، فعالیت های تحقیقاتی مرتبط با مدل بندی و شبیه سازی بارش بر نظریه ی فرایندهای نقطه ای مخصوصا فرایند نقطه ای نیمن - اسکات با پالس های مستطیلی متمرکز بوده است. در ابتدا تعریف ها و مفاهیم ا...
15 صفحه اولمقایسه ای بین روش های ماکسیمم درستنمایی و بیزی برای برآورد پارامترهای سه مدل اقتصادسنجی فضایی
گاهی در اقتصادسنجی مشاهدات مورد مطالعه مستقل نیستند و وابستگی آنها ناشی از موقعیت قرار گرفتن مشاهدات در فضای مورد مطالعه است. برای تحلیل این نوع از دادهها از مدلهای رگرسیونی فضایی استفاده میشود. به دلیل وجود تعداد زیاد پارامتر در این مدلها، برای به دست آوردن برآوردهای ماکسیمم درستنمایی از الگوریتمهای تکرار شونده استفاده میشود که با مشکل پیچیدگی محاسبات مواجه است. علاوه بر این در مطالعات ...
متن کاملارزیابی براورد ماکسیمم درستنمایی مدلهای معادلات ساختاری غیر خطی با دادههای بهطور تصادفی گمشده تحت نرخهای گمشدگی مختلف
در علوم رفتاری و اجتماعی برخورد با متغیرهای پنهان بسیار متداول است. یکی از بهترین روشها برای مدلبندی اینگونه متغیرها، مدل معادلات ساختاری است که از دو معادلهی اندازهگیری و ساختاری تشکیل یافته است و روابط بین متغیرهای پنهان با معادلهی ساختاری نشان داده میشوند. با وجود این، نظریهی ماکسیمم درستنمایی و نرمافزارهای کامپیوتری موجود نظیر لیزرل [8] و EQS [1] که در مطالعات روانشناسی و اجتماعی...
متن کاملبرازش مدل های رگرسیونی پویا با داده های پانلی توسط روش های ماکسیمم درستنمایی و بیزی
مدلهای رگرسیونی پویا با دادههای پانلی دارای کاربرد بسیاری در مطالعات اقتصادی و اجتماعی هستند. خصوصیت بارز این مدلها وجود متغیرهای تاخیری به عنوان متغیر تبیینی است. این ویژگی باعث اغتشاش در خواص برآوردها توسط روشهای معمول برآوردیابی خواهد شد. یک مسئله اساسی در مدلسازی مشاهدات پانلی تغییرپذیری بین واحدهای آزمایشی است که به علت پیچیدگی محاسبات در استفاده از روشهای متداول برآوردیابی، اغلب این...
متن کاملارزیابی براورد ماکسیمم درستنمایی مدل های معادلات ساختاری غیر خطی با داده های به طور تصادفی گم شده تحت نرخ های گم شدگی مختلف
در علوم رفتاری و اجتماعی برخورد با متغیرهای پنهان بسیار متداول است. یکی از بهترین روش ها برای مدل بندی این گونه متغیرها، مدل معادلات ساختاری است که از دو معادله ی اندازه گیری و ساختاری تشکیل یافته است و روابط بین متغیرهای پنهان با معادله ی ساختاری نشان داده می شوند. با وجود این، نظریه ی ماکسیمم درستنمایی و نرم افزارهای کامپیوتری موجود نظیر لیزرل [8] و eqs [1] که در مطالعات روان شناسی و اجتماعی ...
متن کاملنگرشی بر محاسبه ی آنتروپی ماکسیمم به کمک نرم افزار مطلب و برآوردگر درستنمایی ماکسیمم
This article has no abstract.
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 - پژوهشکده اقتصاد
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023