مطالب مرتبط با کلیدواژه
۱.
۲.
۳.
۴.
۵.
۶.
۷.
۸.
۹.
۱۰.
۱۱.
۱۲.
۱۳.
۱۴.
۱۵.
۱۶.
۱۷.
۱۸.
۱۹.
۲۰.
تبدیل موجک
حوزه های تخصصی:
اختلاف قدرت تفکیک تصاویر چند طیفی و تصویر پانکروماتیک به عنوان یکی از عوامل تأثیرگذار بر عملکرد طیفی و مکانی روشهای ترکیب تصاویر مطرح می¬باشد که هدف این تحقیق قرار داده شده است. پس از تهیه تصاویر چندطیفی شبیه¬سازی شده با قدرت تفکیک 8، 12، 16،.....و44 متری از تصاویر چندطیفی آیکنوس و تصویر پانکروماتیک شبیه¬سازی شده 4 متری با استفاده از چهار روش ترکیب تصاویر، شامل روشهای ترکیب مبتنی بر تبدیلBrovey، تبدیل مؤلفه¬های اصلی، تبدیل موجک و تبدیل مؤلفه¬های اصلی- تبدیل موجک، تصاویر چند¬طیفی شبیه¬سازی شده با تصویر پانکروماتیک شبیه¬سازی شده، ترکیب شدند. از شاخصهای کمی شامل ضریب همبستگی برای بررسی کیفیت طیفی و از شاخص آنتروپی برای بررسی کیفیت مکانی تصاویر ترکیب شده استفاده شد. نتایج این تحقیق نشان¬دهنده آن است که نوع تأثیرگذاری افزایش اختلاف اندازه پیکسلهای تصاویر چند طیفی در مقایسه با پیکسلهای تصویر پانکروماتیک، وابسته به روشی می¬باشد که برای ترکیب تصاویر استفاده می¬شود. همچنین در بین روشهای استفاده¬ شده برای ترکیب تصاویر، روش ترکیب مبتنی بر تبدیل Brovey کمترین حساسیت نسبت به تغییرات اختلاف اندازه پیکسلها و روش ترکیب مبتنی بر تبدیل مؤلفه¬های اصلی- ترکیب موجک بیشترین حساسیت را دارند. همچنین رابطه تغییرات کیفیت طیفی و مکانی تصاویر ترکیب شده نسبت به افزایش اختلاف قدرت تفکیک تصاویر چند طیفی وپانکروماتیک به صورت غیرخطی می¬باشد.
پیش بینی قیمت نفت خام با استفاده از هموارسازی موجک و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مقاله تلاش شده است تا با استفاده از تبدیل موجک و شبکه عصبی مدلی ارایه شود که پیش بینی دقیق تر و با خطای کم تری از قیمت نفت خام داشته باشد. در این مدل ترکیبی، از خاصیت هموارسازی تبدیل موجک برای کاهش سطح نویز داده ها استفاده شده و سپس به وسیله شبکه عصبی مصنوعی و با داده های هموار سازی شده، قیمت نفت پیش بینی شده است. نتایج حاصل از مقایسه RMSE مدل های رقیب با مدل ترکیبی مورد اشاره، دلالت بر آن دارد که کاهش نویز و هموار سازی داده ها، عملکرد پیش بینی قیمت نفت را بهبود می دهد.
بررسی تقارن ادوار تجاری با رویکرد آنالیز موجک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تقارن یا عدم تقارن سیکل تجاری، مبحث مهمی است که به منظور انتخاب الگوهای رفتاری و پیش بینی نوسانات کلان اقتصادی استفاده می شود. عواملی همچون قیمت نفت، بحرانهای مالی، نااطمینانی، تاخیر در یادگیری و... می تواند باعث عدم تقارن در سیکل ها شود. از طرفی تجزیه ادوار تجاری بوسیله تبدیل موجک که ابزاری توانمند در پردازش داده هاست، و بررسی وجود یا عدم وجود تقارن هرکدام از سطوح تجزیه شده، این امکان را می دهد تا اطلاعات بیشتری در خصوص بسامدهای مختلف ادوار تجاری بدست بیاید. این امر به تصمیم گیرندگان کلان اقتصادی کشور جهت اتخاذ سیاست ضد ادواری مناسب کمک می کند. تحلیل موجک ما را قادر ساخت تا با تجزیه سیکل تجاری تولید ناخالص داخلی فصلی طی سالهای1367-1390 به مولفه های بسامد بالا و پایین، تقارن آنها را بررسی کنیم. با استفاده از موجک سیملت، مشاهده شد که حداقل در مولفه های بسامد پایین، عدم تقارن وجود دارد. دیگر مزیت تحقیق حاضر این است که هر کدام از مولفه ها جداگانه بررسی می شود تا برای آنها مدل جداگانه برای پیش بینی انتخاب شود. این امر خطای پیش بینی را کاهش می دهد.
پیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها، گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز در سری های زمانی به خصوص در سری های زمانی مالی و اقتصادی باعث کاهش دقت پیش بینی شبکه عصبی می گردد. یکی از روش های نوفه زدایی در سری های زمانی، تبدیل موجک می باشد. این تحقیق به مقایسه بین دقت پیش بینی شاخص کل بورس اوراق بهادار تهران در دو مدل شبکه عصبی با استفاده از داده های نوفه زدایی شده با تبدیل موجک و شبکه عصبی با استفاده از داده های اولیه از ابتدای سال 1385 تا 31 خرداد 1392 می پردازد. نتایج حاکی از بهبود معنادار در پیش بینی شبکه عصبی با استفاده از داده های نوفه زدایی شده می باشد.
بررسی رابطه بین حجم معامله، بازده سهام و نوسان بازده در زمان مقیاس های مختلف در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
با وجود انجام مطالعات گسترده در مورد چگونگی ارتباط حجم معامله - بازده سهام و حجم معامله - نوسان بازده در بازارهای مالی، هنوز در مورد ساختار نظری یا تجربی این ارتباط اجماع حاصل نشده است. این پژوهش با هدف کشف اطلاعات نهفته در سری زمانی متغیرهای حجم معامله، بازده سهام و نوسان بازده در دوره زمانی 96 ماهه (ابتدای فروردین 1386 تا اسفند 1393) صورت گرفته است. بدین منظور سری های زمانی این متغیرها با استفاده از تبدیل موجک گسسته با حداکثر هم پوشانی، تجزیه و ضرایب موجک آن ها محاسبه شده است؛ سپس رابطه میان سری ها با استفاده از آزمون علّیت گرنجری بررسی شده است. نتایج به دست آمده از این پژوهش در دوره زمانی مورد بررسی، نشان دهنده تفاوت روابط بین متغیرها در مقیاس های زمانی متفاوت است، چنانکه در برخی از مقیاس ها، آزمون علّیت گرنجر، وجود رابطه علّی میان سری های زمانی را تأیید می کند و در برخی از مقیاس های زمانی این رابطه وجود ندارد.
پیش بینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مقاله تلاش شده است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی به منظور پیش بینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز به منظور تجزیه سری زمانی قیمت استفاده شده ، سپس ضرایب تقریبات و جزئیات مؤثر به عنوان ورودی شبکه عصبی به منظور پیش بینی قیمت گاز طبیعی هنری هاب به عنوان مرجعی برای قیمت گاز طبیعی در آمریکا به کار رفته است. مقایسه عملکرد نسبی مدل ترکیبی با مدل شبکه عصبی حاکی از آن است که مدل ترکیبی تبدیل موجک و شبکه عصبی عملکرد پیش بینی را در مقایسه با مدل شبکه عصبی بهبود بخشیده است. آزمون دیبولد ماریانو نیز این نتیجه را تأیید کرده است.
تحلیل تغییرپذیری دوره های بارش تابستانه و آشکارسازی ارتباط آن با الگوی دوقطبی اقیانوس هند (IOD) (مطالعه موردی: جنوب شرق ایران)(مقاله علمی وزارت علوم)
منبع:
جغرافیا و برنامه ریزی سال ۲۲ پاییز ۱۳۹۷ شماره ۶۵
45 - 62
حوزه های تخصصی:
این مطالعه به منظور بررسی تغییرپذیری بارش های تابستانه ایستگاه های منتخب جنوب شرق ایران انجام شد و ارتباط این بارش ها با شاخص IOD بررسی گردید. بدین منظور از آمار هفتگی بارش ماه های ژوئن تا سپتامبر ایستگاه های زاهدان، کرمان، بندرعباس، ایرانشهر و بم و همچنین داده های هفتگی شاخص IOD استفاده شد. روش انجام مطالعه آزمون همبستگی و تبدیل موجک گسسته می باشد. نتایج تحلیل همبستگی نشان داد که شاخص دوقطبی با بارش تابستانه ایرانشهر، بندرعباس و زاهدان ارتباط مثبت و معناداری در سطح 99 و 95 درصد دارد ولی با بارش تابستانه کرمان و بم حتی ارتباط نزدیک به سطح معناداری را نشان نداد. همچنین افزایش تعداد سطح تجزیه داده های بارش در تبدیل موجک به بیش از 4 سطح سبب کاهش همبستگی بین تقریب بارش ایستگاه ها و شاخص IOD شد. تجزیه داده ها با تبدیل موجک گسسته نشان داد که مهمترین چرخه در شاخص IOD با تکرار 11 ساله رخ داده است. زاهدان و ایرانشهر چرخه های تناوبی نسبتاً مشابهی را نشان دادند. در بندرعباس و بم چرخه 11 ساله و در کرمان چرخه غالب 7 ساله آشکار شد. از نظر نواحی تحت تأثیر شاخص IOD به نظر می رسد که نواحی ساحلی جنوب شرق و نواحی که تحت تأثیر کم فشارهای پاکستان و خلیج فارس هستند بیشتر تحت تأثیر شاخص IOD باشند.
تخمین میزان زیست تودة جنگل ها با استفاده از تصاویر رادار با روزنة مجازی مطالعة موردی: جنگل خیرودکنار نوشهر(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تجمع گازهای گلخانه ای در اتمسفر، مهم ترین عامل افزایش دمای کرة زمین از نیمة دوم قرن بیستم به بعد، شناخته شده است. به دام انداختن کربن در جنگل ها و میان درختان راه حلی عملی، کارآمد و ارزان برای کاهش سطح دی اکسید کربن در اتمسفر است. بنابراین اندازه گیری زیست توده در بررسی تغییرات آب وهوایی و چرخة کربن جهانی اهمیت ویژه ای دارد. در پژوهش حاضر روشی بر پایة تبدیلات موجک به منظور تخمین زیست توده در منطقه ای جنگلی با درختان پهن برگ در شمال ایران ارائه شده است. تبدیلات مختلف موجک (تبدیلات دوبعدی گسسته) روی تصویر رادار با روزنة مجازی سنجندة ALOS PALSAR اعمال شدند و ضرایب به دست آمده به عنوان داده های جداگانه ذخیره شدند. میزان همبستگی هریک از پارامترهای محاسبه شده با مقدار زیست توده به وسیلة آنالیز رگرسیون چندگانه بررسی شد. نتایج نشان دادند که ضرایب به دست آمده از تبدیل موجک Db2 در مقایسه با سایر تبدیلات، همبستگی بیشتری با مقدار زیست توده دارند. در تجزیة یک مرحله ای، مقدار همبستگی با زیست توده تقریباً 5/0 و در تجزیة دومرحله ای تصاویر، مقدار همبستگی به دست آمده برای تصویر مایکروویو به بیش از 75/0 ارتقا پیدا کرد. پژوهش حاضر نشان داد که استفاده از تبدیلات موجک می تواند روش مناسبی برای تخمین زیست توده به ویژه در مناطقی با ساختار پوشش گیاهی پیچیده باشد. کلید واژه ها : تصاویر آلوس پالسار، تبدیل موجک، زیست تودة جنگل، آنالیز رگرسیون چندگانه.
پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی(مقاله علمی وزارت علوم)
منبع:
پژوهش های اقتصادی ایران سال بیست و سوم پاییز ۱۳۹۷ شماره ۷۶
107 - 136
حوزه های تخصصی:
همواره مدل سازی و پیش بینی متغیرهای مالی یکی از موضوع های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیش بینی سری های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش بینی کرد. در این روش، با استفاده از تجزیه موجک، نویز های تصادفی داده های ورودی شبکه عصبی فازی تطبیقی کاهش می یابد و ازاین رو، این عمل باعث کاهش خطا و بهبود در پیش بینی سری زمانی آشوبی موردنظر می شود. در این مقاله، روش یادشده با استفاده از سری بازده بورس اوراق بهادار تهران در بازه زمانی 8/1/1390 تا 1/07/1395 مورد ارزیابی قرار گرفته که نتایج بیان کننده برتری روش پیشنهادی نسبت به سایر روش هاست. همچنین معنا داری اختلاف در پیش بینی مدل های مختلف با استفاده از آزمون MGN مورد بررسی قرار گرفت که نتایج نشان دهنده اختلاف معنا دار در پیش بینی مدل های مختلف بود.
بررسی رابطه پویایی رشد پول و تورم درایران: یک تحلیل اکونوفیزیک از رابطه مقداری پول(مقاله علمی وزارت علوم)
منبع:
نظریه های کاربردی اقتصاد سال ششم تابستان ۱۳۹۸ شماره ۲
225-248
حوزه های تخصصی:
در تحقیق حاضر، با ارائه روش موجک و تحلیل همدوسی به تبیین مجدد ارتباط میان رشد پول (پایه پولی و نقدینگی) و تورم در اقتصاد ایران پرداخته شد، بدین منظور با استفاده از داده های دردسترس فصلی (1396-1361) همدوسی متغیرهای مزبور در افق های زمانی متفاوت مورد بررسی قرار گرفت. نتایج نشان می دهد، در بررسی ﺭﺍﺑﻄ ه ی ﺑیﻦ ﻧﻘﺪیﻨﮕی ﻭ ﺗﻮﺭﻡ، ﺳیﺎﺳﺖﻫﺎی پولی شکل گرفته بر اساس تغییرات نقدینگی ﻧﺘیﺠ ﻪ ی ﻗﺎﺑ ﻞملاحظه ای ﺑﺮﺗﻮﺭﻡ نداشته است. اما رشد پایه پولی درمیان مدت و بلندمدت رابطه مستقیم با تورم داشته و بیشتر از متغیر نقدینگی نظریه مقداری پول را در ایران توجیه می کند، لذا بنظر می رسد ﺩر ﺑﻠﻨﺪﻣﺪﺕ تغییر عامل نقدینگی ﺍﺳﺘﺮﺍﺗﮋی ﻣﻨﺎﺳﺒی ﺑﺮﺍی ﺍﻗﺘﺼ ﺎﺩ ﺍی ﺮﺍﻥ ﺑ ﻪ ﺷ ﻤﺎﺭ ﻧﻤیﺁیﺪ. اما نتایج در مورد پایه پولی نشان می دهد که در میان مدت و بلندمدت تاثیر قابل ملاحظه ای در سیاست های پولی و تورم خواهد داشت. به سخنی دیگر علیرغم اینکه مطالعه حاضر نش ان م ی دهد، در کوتاه مدت و میان مدت متغیرنقدینگی درونزا (عامل پس رو) است، اما ب ر اس اس اطلاع ات موج ود، نمی توان فرضیه برونزای ی پایه پولی در اقتص اد ای ران را رد نمود، لذا در بلندمدت، برمبنای نظریه مقداری پول، عرضه پول ( بویژه پایه پولی) همچنان یک ابزار سیاس تی قدرتمند دراختی ار بانک مرکزی ایران است. با توجه به قابلیت های ویژه روش موجک در بررسی همزمان علیت کوتاه مدت و بلندمدت بین سری های زمانی متغیرها، نمی توان در همه ی افق های زمانی تورم را پدیده پولی دانست.
بررسی همبستگی میان نوسانات نرخ ارز، نوسانات مخارج جاری دولت و بدهی دولت به شبکه بانکی با تاکید بر مقیاس-زمان(مقاله علمی وزارت علوم)
حوزه های تخصصی:
شبکه بانکی نقش برجسته ای در تامین مالی کسب و کارها ایفا می نماید. در سال های گذشته بواسطه افزایش مخارج جاری دولت و عدم افزایش متناسب درآمدهای دولت، کسری بودجه را ایجاد نموده است و بدلیل وابستگی زیاد بین دولت و شبکه بانکی در برخی موارد افزایش مخارج از طریق اخذ تسهیلات و استقراض از شبکه بانکی تامین شده است. از سوی دیگر همبستگی میان نوسانات مخارج جاری دولت، بدهی دولت به شبکه بانکی و نرخ ارز با توجه به دوره زمانی بروز نوسانات متفاوت باشد. همین منظور در پژوهش حاضر با استفاده از الگوی تبدیل موجک در بازه زمانی 1397-1388 بصورت ماهانه، نوسانات نرخ ارز اسمی، بدهی دولت به شبکه بانکی و مخارج جاری دولت در سه سطح تجزیه شده است. نتایج نشان می دهد هرچه دوره زمانی نوسانات افزایش یابد همبستگی نیز افزایش می یابد. بر این اساس کمترین همبستگی مثبت در طی زمان مربوط به نرخ ارز و مخارج جاری دولت می باشد که در بلندمدت به 28 درصد افزایش می یابد. همبستگی میان نوسانات نرخ ارز و بدهی دولت به شبکه بانکی از 17 درصد در کوتاه مدت به 53 درصد در بلندمدت می رسد و بیشترین میزان همبستگی میان نوسانات مخارج جاری دولت و بدهی دولت به شبکه بانکی می باشد که از 32.5 درصد در کوتاه مدت به 76 درصد در بلندمدت افزایش می یابد. درواقع براساس نتایج شبکه بانکی به عنوان ابزاری جهت پوشش مخارج جاری دولت بوده است و با توجه به بروز نوسانات ارزی در کشور و افزایش مخارج جاری دولت، می تواند بدهی دولت به شبکه بانکی نیز افزایش یابد و توان اعتباری شبکه بانکی را کاهش دهد.
یک روش جدید مبتنی بر راهبردهای عملیاتی برای تشخیص زود هنگام انواع سرطان سینه
منبع:
مدیریت نوآوری و راهبردهای عملیاتی سال اول تابستان ۱۳۹۹ شماره ۲
187 - 201
حوزه های تخصصی:
هدف: بیماری سرطان سینه یکی از مهم ترین و شایع ترین نوع سرطان ها در جهان است. دو نوع سرطان سینه وجود دارد سرطان خوش خیم و سرطان بدخیم. حالت خوش خیم رشد ضعیفی در بدن دارد و به ندرت در مناطق دیگر بدن توزیع می شود و همچنین دارای ویژگی های مشخصی است؛ اما در نوع بدخیم تمایل به گسترش سریع تر را می بینیم که برای زندگی فرد خطرآفرین است؛ بنابراین، طبقه بندی آن به این دو حالت برای تشخیص و درمان و ... بسیار ضروری و مهم است. روش شناسی پژوهش: ابتدا تصویر ماموگرافی که از سینه ی بیماران تهیه شده با کمک نظر پزشکان مورد ارزیابی قرار گرفت و سپس تصاویر مورد پردازش قرار گرفت و در این مرحله با استفاده از منطق فازی موفق شدیم که سرطان و نوع آن را سریع تر شناسایی نماییم. یافته ها: در این مقاله الگوریتمی جدید برای تشخیص سرطان خوش خیم و بدخیم پیشنهاد می شود، هر یک از شاخه های خوش خیم و بدخیم دارای دو نوع آدنوز تومور و تومور فیلودس است و بدخیم دارای دو نوع سرطان مجاری و سرطان پاپیلار است. در این مقاله الگوریتمی را برای تشخیص سرطان سینه پیشنهاد و بررسی کردیم که شامل چهار مرحله است. مرحله اول مرحله پیش پردازش است، مرحله دوم برای تجزیه وتحلیل تصویر که از تبدیل موجک برای تجزیه وتحلیل تصاویر استفاده می شود و مرحله سوم استخراج ویژگی های سودمند می باشد که از نتایج حاصل از تبدیل موجک برای به دست آوردن آن بهره می بریم و مرحله چهارم این است که با استفاده از منطق فازی برای شناختن دو نوع خوش خیم یا بدخیم تصویر را بررسی کنیم. اصالت/ارزش افزوده علمی: ارائه روش جدیدی که به کمک آن بتوان بیماری را شناسایی کرد و مانع از تبدیل شدن آن به نوع بدخیم شد اهمیت بسیار زیادی دارد.
ارائه روش هیبریدی نوین برای پیش بینی شاخص کل قیمت بورس اوراق بهادار(مقاله علمی وزارت علوم)
منبع:
تحقیقات مالی دوره ۱۸ زمستان ۱۳۹۵ شماره ۴
613 - 632
حوزه های تخصصی:
روند تغییرات شاخص کل قیمت سهام، همواره به عنوان یکی از ملاک های سرمایه گذاری مدنظر قرار می گیرد. به دلیل وجود دو مؤلفه ای غیرخطی و متلاطم سری زمانی شاخص قیمت، در این پژوهش سعی شده مدل هیبریدی نوینی ارائه شود که بتواند روند حرکتی و تغییرات شاخص را با بیشترین دقت پیش بینی کند. در این مدل ابتدا با استفاده از تبدیل موجک، سری زمانی شاخص به شش سری زمانی مجزایی که ویژگی های غیرخطی و متلاطم شاخص مدنظر را نمایندگی می کند، تفکیک می شود. در ادامه، سری های زمانی استخراج شده با رفتار غیرخطی، با استفاده از ترکیب مدل ماشین بردار پشتیبان و بهینه سازی ازدحام ذرات و سری های زمانی مبتنی بر رفتار متلاطم شاخص کل با بهره گیری از مدل GJR پیش بینی می شوند؛ سپس با جمع نتایج به دست آمده از پیش بینی دو مؤلفه ای غیر خطی و متلاطم شاخص قیمت، سری زمانی شاخص کل قیمت برآورد می شود. نتایج به دست آمده نشان می دهد مدل هیبریدی ارائه شده این پژوهش در مقایسه با سایر روش های پیش بینی، خطای کمتری داشته و از دقت بیشتری برخوردار است.
مدل ریزش مورد انتظار مبتنی بر تبدیل موجک در افق های زمانی سرمایه گذاری مختلف در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
منبع:
بورس اوراق بهادار سال پانزدهم بهار ۱۴۰۱ شماره ۵۷
225 - 254
حوزه های تخصصی:
"ریزش مورد انتظار" (ES) میانگین بازده دارایی وقتی که بازده زیر مقدار خاصی از چندک توزیع بازدهی یا همان ارزش در معرض ریسک (VaR) قرار گرفته است، می باشد. پیمان بال III قرار است از ابتدای سال 2023 در نظام بانکداری دنیا اجرایی شود و در آن توجه ویژه ای به سنجه ES به عنوان جایگزین VaR شده است اما تحقیقات زیادی در مورد مدل سازی ES در مقایسه با VaR صورت نگرفته است. تحقیق حاضر در صدد انتخاب دقیق ترین مدل تخمین ریزش مورد انتظار از بین مدل های ساده و پیشرفته شامل شبیه سازی تاریخی، خانواده ARMA-GARCH، شبیه سازی تاریخی فیلتر شده، فراتر از آستانه شرطی و مدل پیشنهادی ترکیبی شبیه سازی تاریخی فیلتر شده مبتنی بر تبدیل موجک در بورس اوراق بهادار تهران است. بر اساس یافته های تحقیق با استفاده از بازدهی روزانه 11 ساله شاخص کل بورس اوراق بهادار تهران از تاریخ 1389/4/13الی 1399/4/11(بیش از 2400 روز داده بازدهی شاخص کل) و اعمال انواع پس آزمون، مدل پیشنهادی ترکیبی شبیه سازی تاریخی فیلتر شده مبتنی بر تبدیل موجک در تمامی افق های زمانی و سطوح اطمینان از مدل های رقیب بهتر عمل نموده است.
بررسی رابطه پویا بین بیت کوین با شاخص سهام، طلا و دلار در ایران: کاربردی از رویکرد همدوسی و تحلیل موجک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف: هدف اصلی این مطالعه بررسی تحلیل هم جهتی روند تغییرات قیمت بیت کوین، طلا، سهام و دلار در ایران است. روش: جهت تحقق این هدف، از تحلیل همدوسی و رویکرد موجک، هم حرکتی و ارتباط دوبه دوی این بازارها در اقتصاد ایران برای در دوره زمانی شهریور 1390 تا دی ماه 1400 مورد بررسی قرار گرفت. یافته ها: بر اساس نتایج حرکت مشترک میان بازار بیت کوین و سهام در ایران در دوره های مختلف در جهت های متفاوتی بوده است. هم حرکتی بین بازار بیت کوین- نرخ ارز و بیت کوین- طلا مشابه بوده و در دوره های کوتاهمدت و میان مدت بیش از دوره بلندمدت بوده است. قوی ترین همدوسی بین طلا و ارز بوده است. نتیجه گیری: در افق های کوتاه مدت در بازه زمانی 1390 تا 1392 و 1397 تا 1399 بازدهی بیت کوین نوسانات شدیدی داشته است، که نمایانگر انرژی بیشتر و در نتیجه انتروپی بالاتر بازدهی بیت کوین است. با توجه به همدوسی قوی تر بین بازارهای بیت کوین، طلا و دلار و همدوسی نسبتاً پایین بین بیت کوین و بازدهی سهام لازم است سیاست گذاران اقتصادی در سیاست های پولی خود اثرگذاری رمز ارز بیت کوین را مدنظر قرار دهند بویژه اینکه بیت کوین متغیر برونزایی است که با پدیده سرایت مالی می تواند سیاست های پولی بانک مرکزی را تحت تأثیر قرار دهد.
ارائه یک چارچوب جهت پیش بینی غلظت آلاینده های هوا با استفاده از داده های سنجش ازدور مبتنی بر شبکه عصبی مصنوعی- موجکی در کلان شهر تهران(مقاله علمی وزارت علوم)
منبع:
برنامه ریزی منطقه ای سال دوازدهم پاییز ۱۴۰۱ شماره ۴۷
115 - 130
حوزه های تخصصی:
در کشورهای درحال توسعه، اکثر شهرهای بزرگ به طور فزاینده ای با آلودگی هوا به عنوان عاملی تأثیرگذار بر کیفیت زندگی و سلامت عمومی جامعه مواجه هستند. ناحیه کلان شهری تهران نیز به واسطه تراکم جمعیتی بالا یکی از مناطق مهم در ایران محسوب می گردد. صنایع آلاینده به همراه استفاده از وسایل نقلیه از جمله مهم ترین عواملی محسوب می گردد که موجب شده است تا این شهر به عنوان آلوده ترین کلان شهر کشور محسوب گردیده و متعاقباً لازم است تا در جهت کاهش آلودگی هوا در این شهر برنامه ریزی مؤثری انجام شود. یکی از مهم ترین اقدامات در زمینه کاهش آلودگی هوا، پیش بینی مقادیر غلظت آلاینده ها می باشد که می تواند تصمیم گیری و برنامه ریزی و ارائه راهکارهای مناسب را بهبود بخشد. ازآنجایی که نیاز به روش های دقیق تر برای پیش بینی آلاینده های هوا جهت مدیریت بهتر این مقوله وجود دارد، به نظر می رسد استفاده از روش های ترکیبی جهت مدل سازی آلاینده ها می تواند حرکتی مهم در این راستا باشد. در این پژوهش، پارامترهای تأثیرگذار بر غلظت آلاینده ها در قالب ۴ دسته عوامل ترافیکی، غلظت آلاینده ها در روزهای قبلی، داده های هواشناسی و عوامل مکانی به عنوان ورودی مدل ها مورداستفاده قرار گرفتند و ماکزیمم غلظت آلاینده ها در هر روز به عنوان خروجی مدل در نظر گرفته شد. هدف این پژوهش بررسی عملکرد روش های انتخاب ویژگی جنگل تصادفی و تبدیل موجک در ترکیب با روش های رگرسیون چندمتغیره و شبکه عصبی مصنوعی پرسپترون چندلایه، جهت دستیابی به مدلی کارا به منظور پیش بینی آلاینده های منو اکسید کربن، دی اکسید نیتروژن، دی اکسید گوگرد و PM2.5 می باشد. نتایج به دست آمده نشان داد که مدل سازی همه آلاینده ها با استفاده از شبکه عصبی پرسپترون چندلایه در ترکیب با روش تبدیل موجک صحت بالاتری را نسبت به مدل های دیگر ارائه می نماید. همچنین صحت پیش بینی آلاینده منو اکسید کربن (خطای استاندارد برابر با 8/19 درصد) نسبت به آلاینده های دیگر پایین تر بود درحالی که صحت پیش بینی آلاینده PM2.5 (خطای استاندارد برابر با 0/17 درصد) بالاتر از سایر آلاینده ها بود. علاوه بر این، باتوجه به پارامترهای انتخاب شده توسط روش انتخاب ویژگی با استفاده از جنگل تصادفی، پارامترهای غلظت آلاینده ها در روزهای قبل از اهمیت بالایی به منظور پیش بینی آلاینده های مختلف برخوردارند.
پیش بینی قیمت نفت خام با استفاده از تبدیل موجک، مدل های غیرخطی و مدل های خطی(مقاله علمی وزارت علوم)
منبع:
مطالعات اقتصادی کاربردی ایران سال ۲ پاییز ۱۳۹۲ شماره ۷
41 - 62
حوزه های تخصصی:
با توجه به اهمیت ویژه ی نفت به عنوان یکی از منابع اصلی تأمین کننده ی انرژی در جهان و قیمت آن در بازارهای بین المللی، بر آن شدیم تا در این پژوهش به پیش بینی قیمت نفت خام با استفاده از متدولوژی جدیدی بپردازیم. روش حاضر ترکیبی از تبدیل موجک و مدل های، رگرسیون هارمونیک و مدل هُلت-وینترز است که به طور همزمان برای پیش بینی سری زمانی قیمت نفت خام به کار گرفته ش ده اند. داده های سری زمانی قیمت نفت خام، ابتدا با استفاده از تبدیل موجک به سه سری داده های دارای روند، داده های متأثر از عوامل فصلی و داده های با فرکانس بالا (تلاطمات) تجزیه می شوند. سپس هر سری با استفاده از مدل مربوط به آن پیش بینی شده و در مرح له ی نهایی، برای دس تیابی به پیش بینی ن هایی سری های زمانی پیش بینی شده با هم ترکیب می شوند. پیش بینی های بدست آمده با استفاده از مدل پیشنهادی با پیش بینی های حاصل از روش مقایسه گردیده است. نتایج حاکی از آن است که مدل مورد استفاده در این تحقیق، پیش بینی صحیح تر و با خطای کمتری برای قیمت نفت خام ارائه می دهد.
پیش بینی کوتاه مدت تقاضای برق کشور با استفاده از شبکه های عصبی و تبدیل موجک(مقاله علمی وزارت علوم)
منبع:
اقتصاد مقداری دوره ۷ تابستان ۱۳۸۹ شماره ۲
27 - 56
حوزه های تخصصی:
آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق و اعمال سیاستگذاری های لازم، امری ضروری است. از این رو، پیش بینی تقاضای آن، برای بخش های مختلف اقتصادی حائزاهمیت است. در این مقاله به مطالعه ی تطبیقی روش های غیرخطی شبکه های عصبی مصنوعی و تبدیل موجک- شبکه ی عصبی و فرایند خطی ARMAدر پیش بینی تقاضای روزانه برق در بازه ی زمانی یک تا ده گام به جلو پرداخته شده است. نتایج حاصل از به کارگیری معیارهای سنجش RMSE و MAPE نشان داد که مدل های غیرخطی تبدیل موجک و شبکه ی عصبی پیشخور، نسبت به مدل ARMA،در پیش بینی روزانه تقاضای برق کشور از دقت بالایی برخوردار است.
ارائه ی یک مدل ترکیبی برای پیش بینی تقاضای روزانه آب شهری(مقاله علمی وزارت علوم)
منبع:
اقتصاد مقداری دوره ۹ بهار ۱۳۹۱ شماره ۱
1 - 17
حوزه های تخصصی:
آب به عنوان یکی از مهمترین نیازهای بشر، در زندگی روزمره دارای نقش حیاتی است. آگاهی از میزان تقاضای مورد نیاز آب برای سیاست گذاری مدیریت تقاضا، از اهمیت ویژه ای برخوردار است. در این مطالعه مدلی ترکیبی (تلفیقی از مدل های خطی و غیر خطی) منطبق با شرایط و ساختار اقلیمی شهر تهران و متغیرهای موثر بر مصرف آب برای پیش بینی تقاضای کوتاه مدت آب شهری طراحی شده است. با کمک این مدل، تقاضای روزانه آب شهری برای 10 روز بعد بر اساس مدل های ARIMA، شبکه عصبی و مدل تلفیقی تبدیل موجک، پیش بینی شده است. سپس مقادیر پیش بینی شده هر یک از مدل ها، توسط معیار ارزیابی MAPE و R2 در پیش بینی گام به گام و مجموع 10 روز مورد ارزیابی قرار گرفته است. در نهایت برای تقاضای روزانه آب شهر تهران، مدل تلفیقی تبدیل موجک با خطای کم (دقت پیش بینی بالا) به عنوان مدل بهینه انتخاب شده است. طبقه بندی JEL: C45 ،C53 ،D12 ،Q25
بررسی تأثیر پارامترهای هیدروکلیماتولوژیکی آجی چای بر تغییرات تراز آب دریاچه ی ارومیه با استفاده از مدل ترکیبی موجک - من کندال
منبع:
هیدروژئومورفولوژی سال ۳ تابستان ۱۳۹۵ شماره ۷
141 - 159
حوزه های تخصصی:
هدف از این مقاله تعیین روند و بررسی ارتباط سری های زمانی بلندمدت تراز سطح آب دریاچه ی ارومیه و دیگر پارامتر های هیدروکلیماتولوژیکی حوضه ی شامل بارش، رواناب، دما و رطوبت نسبی، در مقیاس های ماهانه، فصلی و سالانه با استفاده از آزمون من-کندال و تبدیل موجک گسسته است. آزمون من -کندال و من-کندال دنباله ای برای ترکیب های مختلف زیر سری های حاصل از تبدیل موجک گسسته، جهت تعیین زیر سری زمانی جزئی که مسئول اصلی تولید روند در سری های زمانی است، مورد استفاده قرار گرفت. نتایج نشان داد در سری های زمانی پارامتر های هیدروکلیماتولوژیکی در مقیاس ماهانه، تناوب 8 ماهه اصلی ترین تناوب در تولید روند است. بعلاوه نتایج حاکی از روند منفی قابل ملاحظه ای در مقیاس های مختلف از سری های زمانی سطح آب دریاچه و رواناب است و سری های زمانی بارش، دما و رطوبت نسبی در حالت کلی روند های چشمگیری نداشته اند. از نتایج این تحقیق چنین برمی آید که در سال های اخیر کاهش روند در سری زمانی رواناب نقش اساسی را در خشکی دریاچه ارومیه ایفا کرده است. همچنین براساس نتایج آزمون من-کندال دنباله ای، از سال 1377 به بعد، یک روند کاهشی قابل ملاحظه ای در هر دو سری زمانی سطح آب و رواناب در مقیاس ماهانه دیده می شود. در نهایت روش تحلیل روند سن (Sen) به کار رفته، نتایج به دست آمده از روش آزمون من-کندال بر پایه موجک را تأیید کرد.