مطالب مرتبط با کلید واژه " شبکه عصبی "


۱.

پیش بینی شاخص کل بازدهی سهام تهران با استفاده از مدل های خطی و غیرخطی

کلید واژه ها: پیش بینیشاخص کل بازدهی سهام تهرانحافظه بلندمدتANNGARCHARFIMAشبکه عصبی

حوزه های تخصصی:
تعداد بازدید : ۱۴۰۳
پیش بینی متغیرهای اقتصادی و مالی اهمیت فراوانی برای سیاستگذاران اقتصادی کشورها دارد. در این مقاله شاخص کل بازدهی سهام تهران (TEPIX) با استفاده از داده های روزانه و هفتگی این شاخص در بازه زمانی سال 1377تا 1382 و بکارگیری روش های مختلف پیش بینی مانند مدل های ARIMA، ARFIMA، GARCH و شبکه عصبی (ANN) برآورد و پیش بینی شدند. مقایسه دقت پیش بینی مدل های مذکور از طریق معیار های پیش بینی مانند RMSE، MAE و U-Thiel نشان می دهد که مدل ANN در پیش بینی شاخص روزانه و هفتگی عملکرد بهتری نسبت به سایر مدل ها دارد، اما مقایسه آماری دقت پیش بینی مدل های مختلف با استفاده از آماره دیبلد- ماریانو، تفاوت معنی داری بین دقت پیش بینی مدل های مذکور را نشان نمی دهد.
۲.

طراحی سیستم هوشمند ترکیبی رتبه بندی اعتباری مشتریان بانک‌ها با استفاده از مدل های استدلالی فازی ترکیبی

کلید واژه ها: شبکه عصبیسیستم هوشمند هیبریدیسیستم خبرهفازیرتبه بندی اعتباری

حوزه های تخصصی:
تعداد بازدید : ۲۸۰۵ تعداد دانلود : ۱۳۲۶
هدف اصلی تمام بانک های تجاری جمع آوری پس اندازهای افراد حقیقی و حقوقی و تخصیص آن ها به صورت تسهیلات به شرکت های صنعتی، خدماتی و تولیدی است. عدم بازپرداخت تسهیلات از جانب این مشتریان، بانک ها را دچار مشکلات عدیده ای از جمله ناتوانی در بازپرداخت وام های بانک مرکزی، بیشتر شدن مقدار تسهیلات از مقدار باز پرداختی های مشتریان و عدم توانایی اعطای تسهیلات می کند. اهمیت اعطای تسهیلات در صنعت بانکداری کشور و نقش خطیر آن در رشد اقتصادی و افزایش اشتغال منجر به توسعه چندین مدل گوناگون برای ارزیابی اعتباری مشتریان متقاضی این تسهیلات شده است. اما بسیاری از این مدل ها، مدل های کلاسیک هستند و توانایی ارزیابی اعتباری مشتریان را بطور کامل و بهینه ندارند؛ بنایراین زمینه ورود مدل های هوش مصنوعی به این حوزه مهیا گردیده است. در این پژوهش سعی گردید. تا پس از تهیه مدل مناسب رتبه بندی اعتباری مشتریان و جمع آوری دانش خبرگان با استفاده از مدل استدلالی ترکیبی و مدل ترکیبی فازی به طراحی سیستم هوشمند هیبریدی رتبه بندی اعتباری مشتریان پرداخته شود. سیستم خبره به عنوان ماژول سمبولیک و شبکه عصبی و سیستم های عصبی فازی به عنوان ماژول غیر سمبولیک، اجزای این سیستم هیبریدی را تشکیل می دهند. چنین مدلی قابلیت استدلال و تشریح سیستم خبره و قابلیت یادگیری و تطبیق پذیری شبکه عصبی را به صورت توامان به همراه دارد. نتایج سیستم هیبریدی و هیبری فازی سیستم که با نتایج سیستم خبره مقایسه گردید، حاکی از دقت و قدرت بالای سیستم هوشمند هیبریدی نسبت به سیستم خبره در رتبه بندی اعتباری مشتریان است.
۳.

کاربرد تکنیک شبکه عصبی برای ارزیابی روابط بین خریدار وفروشنده

کلید واژه ها: شبکه عصبیرابطه خریدار و فروشندهارزیابی رابطه خریدار و فروشنده

حوزه های تخصصی:
تعداد بازدید : ۱۲۵۶
هر چند در حال حاضر جذابیت مباحث مفهومی در مباحث مربوط به مدیریت و بازاریابی به‌خوبی قابل درک است، اما تلاش برای تعیین عوامل مؤثر بر کیفیت روابط به‌خاطر پیچیدگی در عوامل پایه‌ای و مشکل به‌هم پیوستگی این عوامل چالش‌انگیز است. فنونی سنتی رگرسیون در تجزیه و تحلیل داده‌هایی که خطوط چندگانه داشته یا اطلاعات ناقص هستند مؤثر عمل نمی‌کنند. به همین دلیل استفاد از فن جدیدی به نام تحلیل شبکه عصبی تلاش می‌کند تا عوامل مؤثر بر کیفیت روابط به‌ویژه روابط خریدار و فروشنده را شناسایی کند. این فن بر اساس روش یادگیری از اطلاعات آماری با الگوبرداری از عملکرد مغز انسان طرح‌ریزی شده و به این وسیله روابط بین متغیرهای داده و ستاده از طریق یک متغیر بینابین و پنهانی تعیین می‌شوند. در این مطالعه یک شبکه عصبی با ترکیب دو جزء اصلی کیفی روابط یعنی رضایت‌مندی و اطمینان و پنج داده بین فروشنده و خریدار ایجاد شده است. در مقایسه دو فن رگرسیون چندگانه و شبکه عصبی، دومین فن، نتاج آماری و علمی‌تری را ارایه می‌دهد. به طوری که به همین دلیل کاربردهای جدیدی از این فن در مدیریت و بازاریابی به‌وجود آمده است.
۴.

تحلیل تطبیقی رفتار هیدرولوژیک رودخانه کر در شبکه ژئونروتیک

نویسنده:

کلید واژه ها: سیستمشبکه عصبیسینابسسیبرنتیکآکسون برداری

حوزه های تخصصی:
تعداد بازدید : ۲۱۲۱ تعداد دانلود : ۹۲۱
بیشتر رودخانه هایی که از ارتفاعات زاگرس (تاق و پاتاق) ایران سرچشمه می گیرند، جزو رودخانه های دایمی و پرآب کشور به شمار می آیند و پاره ای از آنها بسیار طغیانی و سرکش اند. این رفتار آبی سبب شده که در طول دوران چهارم، قبض و بسط وسعت برخی حوضه ها و اسارت رودخانه ای در این منطقه امری عادی تلقی شود.نکته قابل تامل در مورد سطوح اساس محلی در زاگرس میانی، تغییرات مداومی است که در کواترنر متحمل شده اند. بسیاری از سطوح اساس محلی در این ناحیه، نوسانات آبی را در طول دوران چهارم به صورت شواهد ژئومرفیک، یعنی تراسهای دریاچه ای، در خود جا داده اند و با توجه به این که تغییر سطح آب دریاچه های داخلی در ایران، به عنوان شاهدی از تغییرات اقلیمی عهد چهارم به حساب می آیند، نبود چنین شواهدی در دریاچه طشک، که سطح اساس رودخانه کر است، یک پدیده غیرمعمول باید تلقی شود، زیرا با توجه به تجربه تغییرات و نوسانات اقلیمی در این ناحیه، وجود چنین پدیده هایی از نظر ژئومرفولوژی امری طبیعی است.نبود آثار تراسی در حاشیه سطح اساس رودخانه کر، این سوال را مطرح می کند که عامل اصلی تفاوت این حوضه با حوضه های مجاور، که همگی دارای اسارتهای رودخانه ای و تراسهای دریاچه ای پیرامون سطوح اساس خود هستند، به چه عاملی می تواند نسبت داده شود. تحلیل رفتار آبی حوضه کر با سیستم شبکه عصبی بر اساس دیدگاه سیستمی، روشی است که برای پاسخ به این سوال برگزید شده است. نتایج حاصل از این طرح پژوهشی که با حمایت مالی مرکز اقلیم شناسی ایران انجام شد، نشان می دهد که بسیاری از رفتارهای حوضه های آبی در چارچوب شبکه های عصبی قابل تفسیر است و برخلاف تعبیرهای تعینی، رفتار آبی در این حوضه قبل از آن که به حجم نزولات جوی و مسایلی نظیر آن بستگی داشته باشد، تابعی از روابط سیبرنتیک سیستم نروتیک شبکه زهکش ها و ژئونرونهای مجازی، توپوگرافیک و کارستیک در منطقه است
۵.

کاربرد شبکه های عصبی در رتبه بندی اعتباری متقاضیان وام فروش اقساطی

کلید واژه ها: شبکه عصبیرتبه بندی اعتباریمدل رتبه بندیآنالیز ممیزی،رگرسیون لجستیک.

حوزه های تخصصی:
تعداد بازدید : ۲۰۰۰ تعداد دانلود : ۹۵۰
روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روشهای هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، "شبکه های عصبی" به دلیل انعطاف پذیری بالاتر، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله، یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه می کنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدل های مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.
۶.

بررسی وجود فرایند آشوبی در شاخص بازدهی کل قیمت سهام بازار بورس تهران

کلید واژه ها: شبکه عصبیآشوبفرایند غیر خطی پویای معینآزمون BDS، نمای لیاپانوفپیش بینی پذیریشاخص کل قیمت سهام بازار بورس تهران (TEPLX)

حوزه های تخصصی:
تعداد بازدید : ۱۶۰۷ تعداد دانلود : ۷۶۲
سریهای زمانی بسیار پیچیده مانند قیمتهای بازارهای سهام معمولا تصادفی و در نتیجه، تغییرات آنها غیرقابل پیش بینی فرض می شود. در حالی که ممکن است این سریها محصول یک فرایند غیرخطی پویای معین (آشوبی) و در نتیجه قابل پیش بینی باشند. در این تحقیق، شاخصهای بازدهی روزانه و هفتگی قیمت سهام بازار بورس تهران (TEPIX) در دوره زمانی ابتدای سال 1377 تا پایان 1382 مورد آزمون قرار گرفته است تا مشخص شود که آیا این شاخصها از فرایند تصادفی پیروی می کنند یا متاثر از یک فرایند معین (آشوبی) هستند. به این منظور، از آزمونهای BDS، شبکه عصبی و بزرگترین نمای لیاپانوف استفاده شده است. آزمونهای BDS و شبکه عصبی وجود فرایند غیرخطی در پسماندهای مدلهای ARMA برازش شده بر این شاخصها را نشان دادند؛ ولی این آزمونها وجود فرایند غیرخطی در پسماندهای مدل GARCH را تایید نکردند. نتایج آزمون بزرگترین نماهای لیاپانوف که آزمون مستقیمی برای فرایندهای غیرخطی معین است دلالت بر وجود آشوب در شاخصهای بازدهی قیمت کل سهام بازار بورس تهران دارد. این نتیجه دلالت بر ناکارایی بازار سهام و در نتیجه، قابلیت پیش بینی کوتاه مدت آن دارد که می تواند یک رهنمود سیاستی مبنی بر شناخت عوامل ناکارایی بازار مانند شفاف نبودن جریان اطلاعات و اقدام در جهت رفع آنها داشته باشد. همچنین، برای مدل سازی و به ویژه پیش بینی شاخص قیمتهای سهام، استفاده از مدلهای غیرخطی به جای مدلهای معمول خطی مناسب تر است.
۷.

بررسی مقایسه ای توان پیش بینی شبکه های عصبی مصنوعی با روش توقف زودهنگام و فرایند سری زمانی خودبازگشت در برآورد نرخ تورم

کلید واژه ها: تورمپیش بینیشبکه عصبیسری های زمانیانتخاب مدل

حوزه های تخصصی:
تعداد بازدید : ۱۱۹۷
ین مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورم ایران، مدل شبکه عصبی مصنوعی در پیش بینی آینده نزدیک در مقایسه با سری های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقف زودهنگام در مرحله یادگیری شبکه عصبی برای پیش بینی سری های زمانی نشان داده شده است.
۸.

بهبود مدل سازی شبکه های عصبی در پیش بینی نرخ ارز، با به کارگیری شاخص های تلاطم

کلید واژه ها: نرخ ارزپیش بینیشبکه عصبیشاخص تلاطم

حوزه های تخصصی:
تعداد بازدید : ۱۷۰۶ تعداد دانلود : ۸۰۳
این مقاله بر نقش شاخص های تلاطم در بهبود روش شبکه های عصبی برای پیش بینی روزانه دو نرخ ارز دلار و پوند در برابر یورو در بازار ارز تاکید دارد. بدین منظور دو شاخص واریانس و گارچ را به عنوان شاخص های تلاطم نرخ ارز به تفکیک در نظر گرفته و به دو طریق در مدل مورد استفاده قرار می دهیم. بار اول وقفه آن را به وقفه های نرخ ارز اضافه می کنیم و بار دیگر شاخص تلاطم را سطح بندی کرده و با دسته بندی مشاهدات براساس سطح تلاطم، مدل پیش بینی ویژه ای را برای هر دسته از مشاهدات می سازیم. نتایج نشان می دهد که مدل های سطوح بالای تلاطم، در مقایسه با مدل مبنا، قدرت پیش بینی نرخ ارز آتی را بهبود می دهند، اما در پیش بینی مدل های سطوح میانی و پایین تلاطم، بهبودی مشاهده نمی شود. بنابراین می توان گفت که در بازار ارز، تلاطم های پایین نرخ ارز برای عاملان اقتصادی خبر جدیدی نیست و در شکل دادن انتظارات برای پیش بینی نرخ ارز نقشی ندارد، در حالی که سطوح بالاتر تلاطم یک اطلاع جدید است.
۹.

بهینه‌سازی درخواست کاربر مبتنی بر هوشمندسازی بازیابی اطلاعات بوسیله شبکه عصبی

کلید واژه ها: شبکه عصبیبازیابی اطلاعات متنیبازیابی اطلاعات هوشمندبهینه‌سازی درخواست

حوزه های تخصصی:
تعداد بازدید : ۸۳۵ تعداد دانلود : ۳۸۴
از کامپیوتر برای رده‌بندی و ذخیره اطلاعات مرسوم شده است. با توجهشامروزه استفاده به انبوه اطلاعات موجود در شبکه‌ها از جمله اینترنت، و ساختمند نبودن اطلاعات، نیاز به بازیابی خودکار اطلاعات بیشتر گردیده است. با توجه به تنوع اطلاعات موجود در شبکه و ناهمگن بودن مدارک ایجاد درخواست برای کاربران ساده نیست و در بسیاری از موارد نیازمند اصلاح بوسیله شخص خبره می‌باشد. منظور از هوشمندسازی سیستم بازیابی اطلاعات، سیستمی است که محتوای مدرک و درخواست را درک کند. و با توجه به دانش زمینه، کاربر را در یافتن اطلاعات موردنیاز، راهنمایی نماید. در بسیاری از سیستمهای تجاری، فهرست‌گذاری موضوعی، انجام شده است. یکی از کاربردهای چنین سیستمی استفاده از فهرست موضوعی و آموزش شبکه عصبی برای بهینه‌سازی درخواست کاربر می‌باشد. اصول این سیستم شباهت جواب درخواستهای مشابه است، بنابراین سیستم هوشمند بردار درخواست کاربر را طوری تغییر می‌دهد تا با دانش موجود در مجموعه بهترین جواب بدست‌ آید.
۱۰.

مقدمه ای بر مطالعات کمی در مدیریت (مورد مطالعه: کاربرد داده کاوی در مطالعات مدیریت)

کلید واژه ها: شبکه عصبیداده کاویدرخت تصمیمانبار دادهپرس و جو

حوزه های تخصصی:
تعداد بازدید : ۲۲۵۳ تعداد دانلود : ۱۰۷۱
داده کاوی، فرایند مرتب سازی و طبقه بندی داده های حجیم و آشکارسازی اطلاعات مرتبط باهم می باشد. امروزه داده کاوی به عنوان یکی از ابزارهای بسیار مهم مدیران جهت شناخت وضعیت دقیق تر سازمان و همچنین کمک در اتخاذ تصمیمات مناسب کاربرد دارد. با استفاده از این تکنیک، داده های موجود در سازمان با بکارگیری ابزارهای نرم افزاری، مورد بررسی و تحلیل دقیق قرار می گیرد تا الگوهای پنهان و پیچیده ای که در آنها وجود دارد کشف و استخراج گردد. داده کاوی را می توان نسل سوم تکنولوژیهایی نامید که با داده سروکار دارند. در نسل اول یا نسل سنتی، فقط انجام پرس و جو های ساده امکان پذیر بود، مثلا تعداد فروش یک کالای خاص چقدر است؟ میزان خرید یک مشتری خاص در ماه جاری چه مبلغی است؟ در نسل دوم یا همان پردازش لحظه ای برخط (OLAP) امکان پرس و جوی همزمان چند بعدی فراهم گردید. در این روش به عنوان مثال به سوالاتی مانند: «میزان فروش محصولات به تفکیک فروشنده، خریدار و مسیر خاص چقدر است؟ » بصورت لحظه ای و با استفاده از مکعب تصمیم و گزارش ماتریسی پاسخ داده می شود. اما در نسل سوم یا همان داده کاوی فقط مساله پرس و جو و دریافت گزارش ها از داده ها نیست، بلکه از حجم انبوه داده ها، الگوهایی کشف می شود که هیچ وقت امکان کشف این الگوها در OLAP یا روش سنتی وجود نداشت. انواع اطلاعات و الگوهایی که از طریق داده کاوی بدست می آیند و کاربرد دارند عبارتند از: وابستگی، تسلسل و توالی، طبقه بندی، خوشه بندی و پیش بینی. برای استخراج این الگوها اغلب از روشهای نوینی مانند شبکه عصبی و درختهای تصمیم استفاده می شود. در عمل برای امکان انجام داده کاوی و استفاده از تکنیکهای فوق الذکر، ابتدا باید نسبت به ایجاد یک انبار داده مناسب اقدام کرد. یک انبارداده در حقیقت پایگاه داده ای است که داده های جاری و همچنین سوابق قبلی تراکنشها را در خود ذخیره کرده و با منابع خارج سازمان نیز ارتباط برقرار می کند. اهداف کلی این مقاله عبارتند از ارایه تعریف دقیقی از انبار داده، بررسی تکنیکها و کاربردهای داده کاوی و کاربرد آن در مدیریت، معرفی شبکه عصبی به عنوان یکی از روشهای اجرای داده کاوی و بیان مفهوم درخت تصمیم و ارتباط آن با داده کاوی.
۱۱.

تحلیل ساختار فضایی شهرهای مرزی استان آذربایجان غربی با استفاده از تحلیل های آماری چند متغیره و شبکه های عصبی

کلید واژه ها: شبکه عصبیآذربایجان غربیساختار فضاییشهرهای مرزیتحلیل های آماری

حوزه های تخصصی:
تعداد بازدید : ۱۹۴۱ تعداد دانلود : ۸۸۴
هدف از این مقاله بررسی و تحلیل ساختار فضایی شهرهای مرزی استان آذربایجان غربی و عوامل موثر بر آن از طریق شاخص های مختلف (جمعیتی، اجتماعی، اقتصادی، فرهنگی، بهداشتی– درمانی، زیربنایی، حمل و نقل و ارتباطات و کالبدی) است. روش پژوهش توصیفی– تحلیلی و همبستگی است . از مدل های کمی و برنامه ریزی از جمله تصمیم گیری های چند معیاره تاپسیس، آنتروپی، ضریب پراکندگی برای رتبه بندی و از روش های شبکه عصبی، تحلیل رگرسیون، تحلیل مسیر و تحلیل واریانس برای تجزیه و تحلیل داده ها استفاده شده است. برابر بررسی های صورت گرفته از بین 13 شهر مرزی استان آذربایجان غربی بر اساس تقسیمات اداری– سیاسی 1385، شهرهای پیرانشهر، سردشت و اسنویه که حدود 67.8 درصد از جمعیت شهرهای مرزی را شامل می شوند به عنوان شهرهای مرزی توسعه یافته شناخته شده اند. شهرهای سیه چشمه، آواجیق، گردکشانه، تازه شهر و پلدشت که حدود 18.7 درصد از جمعیت شهرهای مرزی را در برگرفته اند به عنوان شهرهای مرزی نیمه توسعه یافته و شهرهای میرآباد، سیلوانه، بازرگان، ربط و سرو که حدود 13.5 درصد از جمعیت شهرهای مرزی را تشکیل می دهند به عنوان شهرهای محروم مرزی استان شناخته شده اند. استفاده از مدل ضریب پراکندگی نشان می دهد در بین شاخص های مختلف بیشترین میزان نابرابری در شاخص های فرهنگی و کمترین میزان نابرابری در شاخص های اجتماعی بوده است. بر اساس نتایج تحلیل مسیر بخش های فرهنگی و زیربنایی به ترتیب بیشترین و کمترین تاثیر را بر ساختار فضایی شهرهای مرزی داشته اند. در روش شبکه های عصبی بخش زیربنایی با میزان 100 درصد و بخش جمعیتی با میزان 8.8 درصد بیشترین و کمترین اهمیت را در بین ساختار فضایی شهرهای مرزی داشته اند. میزان نابرابری بین رتبه شهرهای مختلف در بخش های گوناگون با استفاده تحلیل واریانس چند متغیره بررسی گردید که نتایج بیانگر نابرابری رتبه شهرها در شاخص های مختلف بوده است. یعنی توسعه شهرها در شاخص های مختلف یکسان صورت نگرفته است.
۱۲.

پیش بینی تأخیر قطار های مسافری با استفاده از شبکه های عصبی

تعداد بازدید : ۴۴۴ تعداد دانلود : ۲۵۰
هدف این مقاله ارائه مدلی مبتنی بر شبکه های عصبی پیشخور با دقت بالا برای پیش بینی تأخیر قطار های مسافری در راه آهن جمهوری اسلامی ایران است. در این مقاله از سه روش مختلف برای ورودی شبکه های عصبی، شامل ورود به صورت اعداد حقیقی نرمال شده، تبدیل ورودیها به صورت دودویی و همچنین تبدیل ورودیها به رشته های دودویی استفاده شده است. برای یافتن ساختاری مناسب برای شبکه عصبی در مدل پیشنهادی از سه استراتژی مختلف استفاده شده است که به ترتیب استراتژی سریع، استراتژی پویا و استراتژی چندگانه نام دارند. داده های مورد استفاده در این پژوهش شامل تأخیر قطارهای مسافری راه آهن جمهوری اسلامی ایران از سال های 1383 تا 1387 است. برای آماده سازی داده ها، جهت حذف داده های متناقض و دارای نویز که همواره همراه با مجموعه داده های دنیای واقعی است، پیش پردازش کاملی صورت گرفته است، برای پیشگیری از بیش برازش مدل با مشخصات داده های آموزشی، براساس روش اعتبارسنجی تقاطعی، داده ها به سه قسمت داده-های آموزشی، داده های اعتبارسنجی و داده های آزمایشی تقسیم شدند. برای ارزیابی مدل پیشنهادی، نتایج حاصل از روشهای مختلف ورود داده و استراتژی های یافتن ساختار مناسب شبکه، با یکدیگر و همچنین با بعضی روشهای رایج پیش بینی از قبیل درختهای تصمیم و رگرسیون لجستیک چند جمله ای مقایسه شده اند. برای مقایسه مدلهای مختلف شبکه های عصبی مورد استفاده در این مقاله زمان آموزش مدل، دقت پیش بینی بر روی داده های آزمایشی و اندازه شبکه در نظر گرفته شده است. برای انجام مقایسه ای دقیق میان تمامی مدلها، نمودار زمان - دقت ترسیم شده است. نتایج به دست آمده نشان می دهند مدل پیشنهادی از دقت بیشتری برخوردار است.
۱۳.

پیش بینی ارزش واردات محصولات کشاورزی ایران: مقایسه کاربرد روش های شبکه عصبی مصنوعی و مدل های اقتصاد سنجی

تعداد بازدید : ۹۵۵ تعداد دانلود : ۴۴۹
در مطالعه حاضر، واردات بخش کشاورزی ایران برای دوره 94-1389 با استفاده از روش های اقتصادسنجی و شبکه عصبی مصنوعی پیش بینی شده است. برای این منظور از داده های دوره 83-1350 برای پیش بینی و آموزش شبکه و از داده های دوره 88-1383 برای آزمون صحت پیش-بینی های به دست آمده استفاده شد. نتایج مطالعه نشان داد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد بهتری در مقایسه با روش اقتصاد سنجی VAR و ARIMA برای پیش بینی واردات محصولات کشاورزی ایران می باشد. با توجه به پیش بینی صورت گرفته با استفاده از روش شبکه عصبی، ارزش واردات محصولات کشاورزی در سال های 92-1389 با افزایش همراه خواهد بود، اما در سال 1393 مقدار افزایش نامحسوس بوده و در سال 1394 مجدداً افزایش خواهد داشت. بنابراین پیشنهاد میگردد که دولت و دستگاه های ذیربط با استفاده از نتایج مطالعه حاضر از نوسانات ناگهانی ارزش واردات محصولات کشاورزی جلوگیری کنند.
۱۴.

ارزیابی مدل های اقتصادسنجی با روش های مبتنی بر ریاضیات

تعداد بازدید : ۷۷۲ تعداد دانلود : ۳۱۰
پیشرفت علم و تکنولوژی باعث پیچیدگی در جهانی شده که امروزه در آن زندگی می کنیم و برای فائق آمدن بر این پیچیدگی ها و اتخاذ تصمیمات صحیح از سوی سیاستگذاران نیاز به پیش بینی متغیرهای اثرگذار روزافزون شده است. از این رو، از دهه 1970 به بعد روش های پیش بینی در علوم مختلف به ویژه اقتصاد جایگاه مناسبی یافته است. پژوهشگران و سیاستگذاران با پیدایش این روش ها در اقتصاد و سایر علوم برخی مواقع با ترکیب این روش ها به نتایج مطلوب تر و مناسب تری دست یافته اند. بدین منظور، هدف اصلی در مقاله حاضر بررسی روش های مختلف پیش بینی در اقتصاد و سایر علوم به ویژه ریاضیات و بیان این موضوع است که تمام این روش ها (فازی و شبکه عصبی) به اقتصادسنجی وابسته و به نوعی نتایج حاصل از اقتصادسنجی را بهبود می بخشند و از سوی دیگر آزمون هایی غیر از آزمون های ایستایی مرسوم در اقتصاد سنجی می بایست برای کشش سنجی مورد توجه قرار گیرد.
۱۵.

مقایسه روش های طبقه بندی پیکسل پایه، شئ پایه و درخت تصمیم در تهیه نقشه تیپ های جنگل با استفاده از داده های سنجش از دور (مطالعه موردی: جنگل آستارا)

تعداد بازدید : ۱۱۹۹ تعداد دانلود : ۶۵۹
نقشه های قابل اعتماد از تیپ جنگل ها نقش مهمی در اتخاذتصمیمات بهینه برای مدیریت اکوسیستم های جنگلی در نواحی وسیع ایفا می کنند. در سال های اخیر تهیه این نقشه ها از طریق طبقه بندی رقومی داده های سنجش از دور به عنوان جایگزینی مناسب موردتوجه قرار گرفته است. نتایج حاصله در این زمینه برحسب روش های طبقه بندی مورداستفاده، وضعیت پوشش جنگلی، شرایط منطقه موردمطالعه و داده های بکار گرفته شده متفاوت بوده است. هدف از این تحقیق، مقایسه روش های طبقه بندی پیکسل پایه و شئ پایه و درخت تصمیم برای تهیه نقشه تیپ های جنگل با استفاده از تصویر ماهواره ای SPOT5 در محدوده ای از جنگل آستارا واقع در شمال ایران است. اطلاعات زمینی با استفاده از 153 پلات به صورت تصادفی درمساحت های یک هکتاری تهیه گردید. نوع تیپ در هر پلات بر اساس درصد فراوانی کل نوع گونه ها تعیین شد و شامل تیپ های انجیلی آمیخته، پهن برگ مخلوط، ممرز آمیخته، راش آمیخته و حفاظتی بود. برای تهیه نقشه این تیپ ها، در روش پیکسل پایه با استفاده از داده های طیفی و طبقه بندی کننده شبکه عصبی، صحت کلی 04/52 درصد و ضریب کاپای 39/0 حاصل شد و در روش طبقه بندی شئ پایه با روش نزدیکترین همسایه و توابع فازی، صحت کلی 3/63 درصد و ضریب کاپای 54/0 بدست آمد. به دلیل تشابه طیفی تیپ های آمیخته جنگل و تفکیک پذیری پائین آنها از یکدیگر در محدوده باندهای طیفی از اطلاعات بافت و داده های توپوگرافی موثر در پراکنش مکانی تیپ ها شامل ارتفاع، جهت، شیب و فاصله از شبکه آبراهه برای کلاسه بندی تیپ های آمیخته جنگل استفاده گردید. بکارگیری داده های کمکی در روش های طبقه بندی پیکسل پایه و شئ پایه حاکی از مفید بودن مدل رقومی ارتفاع در مقایسه با سایر داده های کمکی در تفکیک تیپ ها داشت. استفاده از داده های مربوط به فاکتورهای محیطی بعنوان متغیرهای کمکی در کنار داده های طیفی در روش درخت تصمیم به صحت کلی 5/76 درصد و ضریب کاپای 7/0 در تفکیک تیپ های آمیخته جنگل منجرشد که نشان دهنده افزایش قابل ملاحظه صحت می باشد. مقایسه نتایج حاصل از روش های طبقه بندی بکار گرفته شده در این تحقیق بیانگر پتانسیل بالای روش شئ پایه در بکارگیری داده های طیفی برای کلاسه بندی تیپ های آمیخته جنگل در مقایسه با روش طبقه بندی پیکسل پایه بود. همچنین تیپ های آمیخته جنگل با استفاده از داده های کمکی در کنار داده های طیفی با روش درخت تصمیم بهتر از روش های پیکسل پایه و شئ پایه در محدوده مطالعه تفکیک شد.
۱۶.

الگوسازی و پیش بینی مصرف انرژی بخش حمل و نقل ایران: کاربردی از الگوهای هوش مصنوعی

کلید واژه ها: شبکه عصبیمصرف انرژیالگوریتم ژنتیکرگرسیون چندمتغیرهشبکه عصبی فازی

حوزه های تخصصی:
تعداد بازدید : ۱۰۴۲ تعداد دانلود : ۴۹۰
وابستگی روزافزون زندگی بشر به انرژی موجب شده است تا این عامل به طور بالقوه و بالفعل در کارکرد بخش های مختلف اقتصادی کشورها نیز نقش بسیار مهمی ایفا کند. از این رو، مسئولان هر کشور باید تلاش کنند تا با پیش بینی هر چه دقیق تر مصرف انرژی و برنامه ریزی صحیح در هدایت مصرف، پارامترهای عرضه و تقاضای انرژی را به نحو مطلوب کنترل کنند. هدف پژوهش حاضر، الگو سازی و پیش بینی مصرف انرژی بخش حمل و نقل ایران با استفاده از الگوهای شبکه عصبی فازی، شبکه عصبی ژنتیک و شبکه عصبی است. از این رو، از داده های سالانه مصرف انرژی بخش حمل و نقل کشور به عنوان متغیر خروجی الگو های پیش بینی و از داده های سالانه جمعیت کل کشور، تولید ناخالص داخلی و تعداد خودرو، به عنوان متغیرهای ورودی الگو های پیش بینی استفاده شد. در پایان دقت نتایج پیش بینی الگو های مختلف، با استفاده از شاخص های ارزیابی مقایسه گردید. نتایج ارزیابی نشان داد که الگوی شبکه عصبی فازی، نسبت به سایر الگو ها از بیشترین دقت در پیش-بینی مصرف انرژی در بخش حمل و نقل کشور برخوردار است. همچنین بر اساس نتایج تحلیل حساسیت ورودی ها به وسیله شبکه عصبی، ورودی جمعیت کشور به عنوان ورودی شناخته شد که بیشترین تأثیر را در مصرف انرژی دارد.
۱۷.

پیش بینی رشد جمعیت ایران با توجه به مؤلفه های اقتصادی- اجتماعی و مبتنی بر رویکرد میان رشته ای

کلید واژه ها: شبکه عصبینهادنظریه نوسازیاینگل هارت و ولزلنظریه های رشد جمعیت

حوزه های تخصصی:
تعداد بازدید : ۱۲۹۱ تعداد دانلود : ۶۴۳
رشد جمعیت، پدیده ای است که توضیح آن فقط با اتکاء بر مؤلفه های اقتصادی امکان پذیر نیست. از این رو، در مقاله حاضر، با توجه به نظریه نوسازی و تحول فرهنگی اینگلهارت و ولزل، در کنار مؤلفه های اقتصادی، تبیینی از مسأله رشد جمعیت بیان می شود. در این تحقیق، تلاش می شود با رویکردی میان رشته ای، متغیر راهبردی رشد جمعیت بر اساس متغیرهای اجتماعی و اقتصادی مؤثر بر آن، در قالب سه سناریوی اقتصادی، یعنی ادامه روند کنونی، تأثیر اجرای قانون هدفمند کردن یارانه ها و تحقق اهداف چشم انداز 1404، مبتنی بر نظریه اینگلهارت، الگوسازی و تا افق 1404، پیش بینی گردد. نتایج پژوهش نشان داد که در هر یک از سناریوهای اقتصادی، رشد جمعیت، روند کاهنده را ادامه خواهد داد که نظریه نوسازی و تحول فرهنگی را درباره خیزش ارزش های فرامادی تأیید می کند. تدوین سیاست های جامع جمعیتی، مبتنی بر نگرش توسعه ای و میان رشته ای که شرایط آینده را در جنبه های اقتصادی، اجتماعی و فرهنگی، به خوبی پیش بینی و تحلیل کند، از الزام های فعلی در نظام برنامه ریزی راهبردی و بلندمدت کشور است.
۱۸.

تاثیر تکانه های نرخ ارز بر چالش ها و چشم اندازهای اشتغال بخش صنعتی ایران

کلید واژه ها: صنعتشبکه عصبیتصحیح خطای برداریچشم انداز اشتغالتکانه نرخ ارز

حوزه های تخصصی:
تعداد بازدید : ۷۹۸ تعداد دانلود : ۳۶۱
یکی از بخش هایی که نقش موثری در اشتغال زایی داشته و به طور مستقیم و غیر مستقیم در بخش های دیگر نیز اثر گذاراست، بخش صنعت است، از این رو با توجه به اهمّیت اشتغال و نقش آن در سرنوشت فردی و اجتماعی انسان، در این تحقیق به بررسی تاثیر تکانه های نرخ ارز بر چالشها و چشم اندازهای اشتغال بخش صنعت پرداخته شده است. بخش اول مطالعه، شاخص تکانه نرخ ارز را با استفاده از الگوی واریانس ناهمسانی شرطی اتورگرسیوتعمیم یافته محاسبه گردید و سپس با انجام آزمون ریشه واحد دیکی فولر و آزمون شکست ساختاری پرون، از مدل تصحیح خطای برداری برای برآورد طی سال­های 1390-1338استفاده شده است. نتایج نشان می دهد که درکوتاه مدت و بلندمدت تکانه نرخ ارز و حجم پول بر اشتغال رابطه معکوس دارند، همچنین با افزایش هزینه های جاری و عمرانی نیز میزان اشتغال بخش صنعت افزایش می یابد. بخش دوم مطالعه، پیش بینی روند اشتغال بخش صنعت، بااستفاده از مدل شبکه عصبی صورت گرفت و مشخص شد که اشتغال در بخش صنعت در آینده روندی افزایشی خواهد بود. لذا برنامه ریزی در این ارتباط می تواند از اهمیت ویژه ای برخوردار باشد.
۱۹.

پیش بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات

کلید واژه ها: تقاضای انرژیپیش بینیشبکه عصبیالگوریتم انبوه ذرات

حوزه های تخصصی:
تعداد بازدید : ۶۳۹ تعداد دانلود : ۳۷۸
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، نیاز به داده های آموزشی فراوان و ضعف در یافتن نقطه بهینه سراسری نیز می-باشند، در این مطالعه با ادغام آنان به صورت یک الگوریتم ترکیبی این نقایص مرتفع شده است. پس از بکارگیری و مقایسه این تکنیک ترکیبی با سایر روش ها در پیش بینی تقاضای انرژی طی سال های 1346 تا 1390 ، نتایج مطالعه قدرت پیش بینی بالاتر تکنیک ترکیبی در کنار قدرت توضیح دهندگی متغیرهای توضیحی بکار رفته را تائید می کند.
۲۰.

پیش بینی لحظه ای تابش کل خورشید در شهر رفسنجان توسط شبکه عصبی

کلید واژه ها: شبکه عصبیتابش کل خورشیدشهر رفسنجان

حوزه های تخصصی:
تعداد بازدید : ۵۳۷ تعداد دانلود : ۲۴۳
تابش کل خورشیدی رسیده به سطح زمین یکی از کاربردی ترین پارامترهایی است که در پروژه ها و مدل سازی های برآورد انرژی خورشیدی، هیدرولوژی، کشاورزی، هواشناسی و اقلیمی از اهمیت بالایی برخوردار است. با توجه به اینکه تهیه و ایجاد وسایل اندازه گیری این پارامتر هزینه زیادی در بر دارد، معادلات بسیاری جهت برآورد آن توسط محققان در سراسر جهان پیشنهاد شده است. در این تحقیق با استفاده از شبکه عصبی، مدلی جهت پیش بینی لحظه ای تابش در شهر رفسنجان طراحی گردیده است. از مقایسه مقادیر بدست آمده از مدل طراحی شده با مقادیر اندازه گیری شده توسط پیرانومتر برای یک سال، مشخص شد که شاخص های آماری RMSE,MBE و t برای شبکه عصبی بترتیب 0037/0، 5366/36 و 0232/0 می باشند که نمایانگر عملکرد خوب مدل طراحی شده در شبکه عصبی است.