الگوریتم رگرسیون بردار پشتیبان

ابهامات محیطی ناشی از مدل های نوین کسب وکار سبب تشدید پیچیدگی در تصمیم گیری شده است. در چنین شرایطی دیگر نمی توان داده ها را با ابزارهای سنتی تحلیل نمود چرا که بسیاری از متغیرهای تأثیرگذار ناشناخته بوده و روابط آن ها نیز غیرخطی و پیچیده است. بنابراین در این پژوهش به بررسی دقت الگوریتم های هوش مصنوعی در پیش بینی مدیریت سود پرداخته شده است. برای پیش بینی مدیریت سود از مدل تعدیل شده جونز استفاده گردیده و الگوریتم های خطی-تکاملی بهینه سازی مبتنی بر جغرافیای زیستی ( BBO ) و تکامل تفاضلی بهبودیافته ( ICDE ) و الگوریتم های غیرخطی رگرسیون بردار پشتیبان ( SVR ) و درخت رگرسیون و طبقه بندی ( CART ) نیز برای بررسی قدرت پیش بینی مورد مقایسه قرار گرفته اند. جامعه آماری پژوهش، شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران بوده و تعداد 89 شرکت طی دوره زمانی 1386 تا 1393 مورد بررسی قرار گرفته است. نتایج پژوهش بیان گر آن است که به طورکلی الگوریتم های غیرخطی از دقت بیشتری نسبت به الگوریتم های خطی برخوردار بوده و الگوریتم رگرسیون بردار پشتیبان، مدیریت سود را بهتر از سایر الگوریتم ها پیش بینی می کند. همچنین الگوریتم های خطی در پیش بینی مدیریت سود نتایج تقریباً مشابهی را از خود نشان دادند

ماده آلی محلول رنگی (CDOM) مقیاس مهمی در سنجش کیفیت آب است. می توان اذعان کرد CDOM نور موجود در لایه های آب را کاهش می دهد و فعالیت های بیولوژیکی فتوسنتز را مختل می کند و سرانجام، مانع رشد جمعیت فیتوپلانکتون هایی می شود که برای زنجیره غذای آبزیان ضروری اند. در بیشتر تحقیق هایی که تا کنون به انجام رسیده، از طول موج خاصی برای اندازه گیری ضریب جذب CDOM استفاده شده است اما، در این تحقیق، امکان استفاده از گستره وسیعی از باندهای طیف مرئی، برای تعیین ماده آلی محلول رنگی، در طول موج های 443-254 (254، 260، 350، 375، 400، 412، 440، 443) نانومتر در ماهواره لندست 8 بررسی شده؛ ضمن آنکه مناسب ترین نسبت باند برای اندازه گیری ماده آلی محلول، در طول موج های قابل اندازه گیری، با استفاده از الگوریتم SVR (اجزای این پارامتر بهینه سازی شده است) به دست آمده است. در پژوهش حاضر، نسبت باندهای Coastal به قرمز (R 1 /R 4 )، آبی به قرمز (R 2 /R 4 ) و نسبت باندهای سبز به قرمز (R 3 /R 4 ) برای بازیابی CDOM در نظر گرفته شده است. براساس نتایج و با توجه به ضریب تعیین (71/0=R 2 ) و میزان خطاها ( m 1 61/1MSE=،m -1 077/1RMSE= وm -1 946/0MAE=) می توان نتیجه گرفت که استفاده از نسبت باندهای سبز به قرمز در ماهواره لندست 8 مناسب ترین گزینه برای تعیین ماده آلی محلول رنگی است. افزون براین، نتایج این تحقیق مشخص کرده اند که اندازه گیری  CDOMدر طول موج 440 نانومتر می تواند شاخص مناسبی برای بررسی کیفیت دریاچه ها، براساس غلظت آنها، محسوب شود.