مطالب مرتبط با کلیدواژه

پیش بینی


۲۸۱.

پیش بینی تلاطم بازدهی سکه طلا در بازار دارایی های مالی ) رهیافت ANN-GARCH)(مقاله علمی وزارت علوم)

نویسنده:

کلیدواژه‌ها: بازارهای مالی تلاطم بازدهی سکه طلا پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۲۷۳ تعداد دانلود : ۱۰۹
پیش بینی تلاطم یکی از مهمترین موضوعات مورد مطالعه در بازارهای مالی دنیا است. تلاطم به عنوان یک عامل مؤثر در تعیین ریسک سرمایه گذاری، می تواند نقش مهمی در تصمیم گیری سرمایه گذاران ایفا کند. یک تخمین مناسب از تلاطم قیمت طلا یا دارایی های مالی همچون سکه طلا در یک دوره سرمایه گذاری نقطه آغازین بسیار مهمی در کنترل ریسک سرمایه گذاری است. هدف از تدوین این پژوهش مطالعه و پیش بینی تلاطم در بازدهی قیمت نقدی سکه طلا در ایران به روش ANN-GARCH است. در این پژوهش با استفاده از داده های روزانه در فاصله زمانی 1388 تا 1395 این موضوع بررسی و نتایج نشان می دهد لحاظ تلاطم بازارهای مالی دیگر ازقبیل نوسانات نرخ ارز،  تغییر قیمت نفت و  تغییر شاخص قیمت سهام در بورس باعث بهبود توانایی پیش بینی مدل برآوردی می شود. استفاده از اطلاعات بازارهای موازی و نیز افزایش دوره پیش بینی می تواند نتایج بهتری  در تبیین موضوع حاصل کند.   One of the main topics to study is the prediction of volatility in financial markets. Volatility as an effective factor in the determination of the risk of investment plays a key role in the decisions of investors. A proper estimation of the volatility of gold prices or financial assets such as gold coin over the investment period is an important starting point for controlling the risk of investment. Predicting the volatility of the cash price return of gold coins with the use of ANN-GARCH is the aim of this study.  This issue has been investigated by the daily data from 2009 to 2016. The results show that using the volatility of other financial markets such as exchange rate, oil price, and stock fluctuations, improves the ability to predict the model and the use of parallel market information; moreover, an increase in the forecast period can create better results in this terms.
۲۸۲.

نقش حوز ه های طرح واره های ناسازگار اولیه در پیش بینی انطباق پذیری مسیر شغلی دانشجویان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: انطباق پذیری مسیر شغلی پیش بینی طرحواره های ناسازگار اولیه

حوزه های تخصصی:
تعداد بازدید : ۳۴۵ تعداد دانلود : ۱۹۸
مقدمه: در دنیای کار امروز که تغییرات مکرر از جمله ویژگی های آن است ساویکاس، انطباق پذیری مسیر شغلی را مهمترین بعد در رشد و تکامل مسیر شغلی افراد می داند. به دلیل  اهمیت انطباق پذیری مسیر شغلی، لزوم بررسی سازه های مختلف روانشناختی در ارتباط با آن اهمیت می یابد که به نظر       می رسد در این میان، طرحواره های ناسازگار اولیه موضوع قابل تأملی باشد. پژوهش حاضر با هدف پاسخگویی به این پرسش که "کدام حوزه یا حوزه های طرح واره ها تأثیر بیشتری بر انطباق پذیری مسیر شغلی دانشجویان دارد؟" انجام شد. روش: روش پژوهش، توصیفی، از نوع همبستگی و ابزار پژوهش، دو پرسشنامه ی طرحواره های ناسازگار اولیه یانگ و انطباق پذیری مسیر شغلی ساویکاس بود. جامعه آماری شامل کلیه دانشجویان  دانشگاه ها و مؤسسات آموزش عالی  کشور  در سال ۹۸، روش نمونه گیری، غیرتصادفی با تغییرات بیشینه  وحجم نمونه  ۸۴۹ نفر بود. تحلیل داده ها با استفاده از نسخه ۲۴ نرم افزار spss و به روش رگرسیون گام به گام انجام شد. یافته ها: نتایج نشان داد از ۵ حوزه ی طرحواره ها ،۴ حوزه ی "خودگردانی و عملکرد مختل"،" گوش به زنگی"،"محدودیت های مختل" و" قطع و بریدگی" مجموعا قادر به تبیین ۲۱ درصد واریانس متغیر ملاک(انطباق پذیری مسیر شغلی) بوده و حوزه ی "دیگر جهت مندی" قادر به تببین این متغیرنبوده است. نتیجه گیری: به دلیل نقش مهم طرحواره ها در ابعاد مختلف زندگی از جمله انطباق پذیری مسیر شغلی کمک به دانشجویان  جهت شناسایی و تعدیل طرحواره های ناسازگارشان پیشنهاد می شود.
۲۸۳.

تاثیر کیفیت سود بر پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: سودآوری پیش بینی کیفیت سود ورشکستگی و شبکه عصبی

حوزه های تخصصی:
تعداد بازدید : ۲۴۳ تعداد دانلود : ۱۰۹
پیش بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره های آتی، یکی از عناصر مهم در تصمیم گیری برای سرمایه گذاران بوده و در این میان انتخاب متغیرهای پیش بینی کننده همواره به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی ورشکستگی مطرح بوده است که در راس آن ها همواره سود حسابداری و متغیرهای سود آوری قرار داشته است. بنابراین کیفیت سود حسابداری از معیارهای با اهمیت در تصمیم گیری های سرمایه گذاری در پیش بینی ورشکستگی محسوب می گردد. این پژوهش سعی بر آن دارد تا با مقایسه توان پیش بینی متغیرهای سودآوری شرکت هایی با سود باکیفیت و شرکت هایی با سود بی کیفیت، اثر کیفیت سود بر کارائی متغیرهای سودآوری در پیش بینی ورشکستگی را مورد بررسی قرار دهد. در نمونه ای که از بین شرکت های حاضر در بورس اوراق بهادار تهران انتخاب گردید، ابتدا بر اساس آزمون کولموگوروف-اسمیرنوف به بررسی نرمال بودن توزیع پرداخته شده، در ادامه میزان دقت و خطای نوع اول و دوم مدل شبکه عصبی برای دو گروه شرکت های با کیفیت سود بالا و پایین بررسی شده و سپس از آزمون t به منظور مقایسه میانگین دو نمونه در سطح اطمینان 95% استفاده گردید. یافته ها نشان می دهد که دقت پیش بینی شبکه عصبی مصنوعی برای شرکت های با سود با کیفیت به طور معنی داری بیشتر از شرکت های با سود بی کیفیت می باشد.
۲۸۴.

یکپارچه سازی تکنیک های هوش مصنوعی جهت ارائه مدل پیش بینی قیمت سهام(مقاله علمی وزارت علوم)

کلیدواژه‌ها: قیمت سهام پیش بینی شبکه های عصبی شبکه های عصبی – فازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۳۵۶ تعداد دانلود : ۱۵۲
اوراق بهادار روش مطمئنی است برای جلب اعتماد عمومی جهت سرمایه گذاری درانواع اوراق بهادار با خطرهای متفاوت است و با این روش می توان سرمایه های کوچک و پراکنده را که به تنهایی نمی توانند مورد بهره برداری قرار گیرند جمع آوری نمود از آنها سرمایه هنگفتی جهت توسعه و پیشرفت اقتصادی فراهم آورد. در بورس های اوراق بهادار حساسیت های زیادی نسبت به روند قیمت وجود دارد این امر باعث گردیده تا تحولات مرتبط با چنین پدیده ای مورد تحلیل های منظم قرار گیرد . در سال های اخیر مدل های متفاوتی جهت پیش بینی قیمت سهام توسط محققین مورد استفاده قرار گرفته است و از آنجایی که تکنیک های هوش مصنوعی که شامل شبکه های عصبی، الگوریتم ژنتیک و منطق فازی است نتایج موفقیت آمیزی در زمینه حل مسایل پیچیده به دست آورده اند در این راستا بیشتر مورد بهربرداری قرار گرفته اند. هدف از این تحقیق رسیدن به این پاسخ است که آیا می توان با استفاده از ترکیب روش های هوش مصنوعی مدلی ایجاد نمود که نسبت به سایر روش های خطی و غیر خطی پیش بینی قیمت سهام (بورس اوراق بهادار تهران - شرکت ایران خودرو )را با میزان خطای کمتری انجام دهد. در این تحقیق جهت پیش بینی قیمت سهام از ترکیب روش های هوش مصنوعی شامل شبکه های عصبی – فازی و الگوریتم ژنتیک استفاده شده است و این مدل ترکیبی با روش های شبکه عصبی به عنوان یکی دیگر از مدل های هوش 2 مصنوعی و مدل خطی ARIMA با توجه به معیارهای MSE,MAPE,MAE, R مقایسه گردیده اند. نتایج این پژوهش نشان از برتری مدل ترکیبی نسبت به سایر مدل ها مورد بررسی دارد .
۲۸۵.

پیش بینی رفتارهای افشاگری کارکنان وزارت ورزش و جوانان با رویکرد شبکه عصبی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: افشاگری پیش بینی تخلف فساد شبکه عصبی

حوزه های تخصصی:
تعداد بازدید : ۲۴۵ تعداد دانلود : ۱۳۱
افشاگری یک ابزار کنترل قوی در جلوگیری از تخلفات سازمانی می باشد. هدف از این پژوهش پیش بینی رفتارهای افشاگری کارکنان وزارت ورزش و جوانان با رویکرد شبکه عصبی است. پژوهش حاضر از حیث هدف، کاربردی و از نظر روش گردآوری داده ه ا، پیمای شی اس ت. جامعه آماری شامل کلیه کارکنان وزارت ورزش و جوانان کشور بود (870 نفر). با توجه به جدول کرجسی و مورگان تعداد 260 نفر به عنوان نمونه آماری انتخاب شدند و 250 پرسشنامه کامل مورد بررسی قرار گرفت. ابزار پرسشنامه ای محقق ساخته است که بر مبنای مبانی نظری و تحقیقات گذشته، طراحی و بومی سازی شده است. به منظور بررسی و تایید روایی ابزار، روایی محتوا از طریق نظر متخصصان و روایی سازه از طریق تحلیل عاملی تاییدی مورد بررسی قرار گرفت. همچنین جهت بررسی پایایی پرسشنامه از ضریب آلفای کرونباخ استفاده شد که این ضریب برای کل پرسشنامه 86/0 به دست آمد. جهت تجزیه و تحلیل اطلاعات از فن شبکه عصبی مصنوعی که ابزاری تحلیلی و آموزش پذیر بوده و تلاش می کند، الگوهای پردازش اطلاعات در مغز بشر را تقلید نمایند استفاده شد. عوامل موثر بر رفتارهای افشاگری تخلف توسط کارکنان به عنوان ورودی و خودگزارش دهی افشاگری کارکنان (افشاگری درون سازمان و بیرون سازمان) به عنوان خروجی این مدل در نظر گرفته شد. نتایج ارزیابی نشان داد الگوی شبکه های عصبی مصنوعی از دقت بالایی در پیش بینی رفتارهای افشاگری تخلفات توسط کارکنان وزارت ورزش و جوانان برا اساس ورودی های سن، جنسیت، سطح تحصیلات، سابقه شغلی، مسئولیت پذیری، رضایت شغلی، هویت اخلاقی، کانون کنترل درونی و تعهد سازمانی برخوردار می باشد.
۲۸۶.

پیش بینی کوتاه مدت سرمازدگی محصولات کشاورزی با استفاده از رابطه دمای نقطه شبنم و دمای حداقل در شهر مشهد(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: سرمازدگی نقطه شبنم رطوبت پیش بینی دمای حداقل

حوزه های تخصصی:
تعداد بازدید : ۲۹۲ تعداد دانلود : ۱۶۳
در این تحقیق به منظور بررسی امکان پیش بینی کوتاه مدت سرمازدگی با استفاده از داده های درجه حرارت روزانه و رطوبت نسبی ساعت 5/6 بعد از ظهر ایستگاه سینوپتیک مشهد برای ماه های آذر تا اسفند سال های 80-1363، مقادیر نقطه شبنم روزانه محاسبه گردید. تجزیه و تحلیل آماری داده های موجود و آزمون های برازش آماری نشان داد که بین پارامترهای رطوبت نسبی و تفاضل دمای حداقل و نقطه شبنم، یک رابطه همبستگی معنی داری به صورت  Min-Dew=30.9-0.325RH   با ظریب همبستگی 70% وجود دارد. بنابراین نتیجه گیری شد در روزهایی که مقدار رطوبت نسبی در هنگام عصر کمتر از 75% می باشد احتمال وقوع سرمازدگی کم بوده و برای تعیین مقدار دقیق حداقل دمای فردای آن روز می توان از رابطه استخراج شده استفاده نمود. اما در روزهایی که مقدار این پارامتر بین 100%- 75% باشد، احتمال بوز سرمازدگی بسیار جدی بوده و بایستی با اعلام پیش آگاهی های لازم به کشاورزان منطقه در حد امکان از بروز خسارات بیشتر جلوگیری نمود.
۲۸۷.

پیش بینی تغییرات مسیر رودخانه کارون با استفاده از داده های تاریخی و کمی ژئومورفولوژی (محدوده شوشتر تا اروند رود)(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: تغییرات رودخانه مآندر داده های ماهواره ای پیش بینی کارون خوزستان

حوزه های تخصصی:
تعداد بازدید : ۱۷۳ تعداد دانلود : ۱۰۳
محدوده مورد مطالعه بخشی از رودخانه کارون واقع در استان خوزستان است که از تنگ عقیلی شوشتر تا محل ورود کارون به اروند رود امتداد دارد.تغییرات رودخانه کارون در جلگه آبرفتی خوزستان و تفاوتهای محلی بازه ها با توجه به عوامل زمین ساختی(تکتونیکی)، هیدرولوژیکی و انسانی، سبب آسیب ها و مخاطرات رودخانه ای در طول زمان شده است و کنترل این مخاطرات تنها با شناخت محیط رودخانه و تعیین تغییرات آن به روشهای مناسب امکان پذیر است. برای بررسی ویژگیهای مورفومتریک رودخانه کارون جهت پیش بینی تغییرات، با استفاده از تصاویر ماهواره ای IRS، سنجنده LISSIII با قدرت تفکیک مکانی 23.5 متر مربوط به تاریخ 29 ژولای سال 2007، و تصاویر ماهواره لندست سال 1991 مسیر رودخانه ترسیم شد و در نرم افزار های GIS اندازه گیری های مورد نیاز، انجام و مورد تجزیه و تحلیل مکانی قرار گرفت. برای این منظور کل رودخانه کارون با توجه به تعداد پیچهای آن (100 پیچ)، به محدوده های کوچکتری تقسیم شد و نقاط عطف پیچها به عنوان محدوده بالایی و پایینی هر پیچ انتخاب گردید و پارامترهای شعاع انحناء، نقاط میانگین مرکزی هر پیچ، جهت پیچ ومیزان مهاجرت سالیانه آن اندازه گیری شد نتایج روش پیش بینی مسیر رودخانه نشان می دهد که بازه های مآندری بیشترین تهدید را دارند و اگر تغییرات کاربریها و مناطق حساس رودخانه به فرسایش بخصوص در راس پیچها و مناطق با تغییر پذیری بالا کنترل نشود مساحت زیادی از اراضی کشاورزی، تاسیسات انسانی و جاده ها در معرض تهدید و تخریب جدی قرار می گیرند
۲۸۸.

تحلیل و پیش بینی نوسان اقلیمی خراسان(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: زنجیره مارکف استان خراسان پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۱۵۳ تعداد دانلود : ۷۹
با توجه به خشکسالیهای سالهای اخیر و تأثیر آن بر برنامه ریزی و بخشهای مختلف اقتصادی، کشاورزی و... نیاز به پیش بینی و استفاده از مدلهای مختلف جهت برنامه ریزی دقیق تر لازم به نظر می رسد. مدل زنجیره مارکف روی استان خراسان مورد بررسی قرار گرفت و چهار ایستگاه مشهد، تربت حیدریه، بجنورد و بیرجند انتخاب شد. این مدل پیشامدهایی که به پیشامدهای قبلی وابسته اندومستقل نمی باشند را مورد بررسی قرار می دهد در این تحقیق احتمال وقوع پیشامدهای متوالی روزهای خشک و تر (آستانه تری1/0 میلیمتر) و روزهای سرد (زیر صفر درجه سانتیگراد) و روزهای گرم ( بالای 25 درجه سانتیگراد) موردبررسی قرار گرفته است . نهایتاً توسط مدل زنجیره مارکف مرتبه اول مورد تجزیه و تحلیل قرار گرفته و جهت پیش بینی دورههای 1 تا 10 روزه از توزیع آماریq× X n =p n-1 استفاده شده است و مقادیر احتمال های پیش بینی بصورت نقشه های هم احتمال ترسیم شده است.دراین تحقیق از نرم افزارهای Spss وSurfer جهت آنالیز اطلاعات وترسیم نقشه ها استفاده است
۲۸۹.

پایش و پیش بینی خشکسالی طی دوره رشد پوشش مرتع، (نمونه موردی: حوضه آبخیز قوری چای، شهرستان پارس آباد مغان)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پایش پیش بینی خشکسالی مدل CanESM2 مرتع

حوزه های تخصصی:
تعداد بازدید : ۲۹۲ تعداد دانلود : ۱۱۶
جهت پایش خشکسالی از مقادیر روزانه میانگین دمای هوا و مجموع بارش ایستگاه پارس آباد طی دوره آماری 1961-2016 به منظور اجرای شاخص SPI  در سه بازه 1، 3 و 6 ماهه و همچنین تصاویر ماهواره لندست TM به منظور اجرای شاخص خشکسالی NDVI استفاده گردید. برای بخش پیش بینی نیز از مدل CanESM2 تحت سناریوی انتشار RCP4.5 از سری پنجم سناریوهای انتشار بهره گرفته شد که برای این منظور از متغیرهای پیش بینی کننده NCEP-NCAR 1961-2005 استفاده گردید. با توجه به اجرای شاخص های خشکسالی (SPI و NDVI) و پیش بینی مقادیر دما و بارش ایستگاه پارس آباد( مدل CanESM2 تحت سناریوی RCP4.5)، مشخص گردید که وضعیت رشد مرتع در شرایط کنونی طی مراحل گلدهی و بذردهی برخی از گونه های مهم مرتعی حوضه آبخیز قوری چای نامطلوب می باشد این مهم از طریق نمودار آمبروترمیک ایستگاه پارس آباد مغان و همچنین شاخص خشکسالی SPI 1 ماهه طی دوره آماری 1375- 1395 بدست آمد اما براساس پیش بینی مقادیر دما و بارش که با استفاده مدل CanESM2 از سری مدل های گزارش پنچم اخذ گردید،  این شرایط طی سال های آینده (1385- 1477) خشک تر بوده و دوره رشد پوشش مرتعی از 6 ماه به 3 ماه کاهش می یابدکه این امر با توجه به اهمییت بالای مراتع به عنوان ذخایر طبیعی، نیاز به اجرای طرح های مدیریتی و آبخیزداری در منطقه مورد مطالعه را دارد.
۲۹۰.

مدل های تصادفی سری زمانی در پیش بینی بارندگی ماهانه. مطالعه موردی: ایستگاه هاشم آباد گرگان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: سری های زمانی بارندگی پیش بینی باقیمانده ها خطا

حوزه های تخصصی:
تعداد بازدید : ۱۳۵ تعداد دانلود : ۶۴
در سالهای اخیر محدودیت منابع آبی جهت تامین آب مورد نیاز کشاورزی و غیر کشاورزی موجب بروز مشکلات زیادی شده است و باران یکی از منابع مهم تامین آب به حساب می آید. بارندگی یکی از مهمترین مولفه های ورودی به سیستم های هیدرولوزیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیر زمینی، سیلاب، رسوب و ... لازم و ضروری است. بنابراین پیش بینی و برآورد نزولات جوی برای هر منطقه و آبخیز به عنوان یکی از پارامترهای مهم اقلیمی در استفاده بهینه از منابع آبی محسوب می گردد. یکی از روشهای ارزیابی و پیش بینی بارش، استفاده از سریهای زمانی است. هدف از انجام این تحقیق بررسی مناسب ترین مدل جهت تخمین مجموع بارندگی می باشد. برای این هدف، روشها و مدلهای مختلفی وجود دارند که از آن جمله می توان مدلهای سری زمانی اتو رگرسیو (AR)، میانگین متحرک (MA) و مدلهای تلفیقی اتو رگرسیو با میانگین متحرک و مدلهای فصلی (ARIMA و SARIMA) را برشمرد. در این مقاله عملکرد هر یک از مدلهای یاد شده در برآورد و تخمین مقادیر مجموع بارندگی ماهانه در ایستگاه هاشم آباد گرگان طی دوره 2012- 1983 مورد بررسی قرار گرفت. در جهت شناسایی بهتر مدل بدست آمده، باقیمانده ها و خطاهای پیش بینی مورد بررسی قرار گرفته و ضرایب مدل تخمین زده شدند. نشان داده شد که مدل ساریما ی ((2، 0،1: 2، 1، 3)SARIMA) از سایر مدلهای سری زمانی عملکرد بهتری داشته و روند تغییرات سری زمانی را با خطای کمتری شبیه سازی می کند. واژه های کلیدی: سری های زمانی، بارندگی ، پیش بینی، باقیمانده ها، خطا.
۲۹۱.

مطالعه وارزیابی دما شهر الشتر براساس مدل شبکه عصبی مصنوعی(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: پیش بینی میانگین فصلی شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۲۶۴ تعداد دانلود : ۲۵۶
این تحقیق به منظور بررسی تغییر اقلیم در ناحیه غربی ایران استان لرستان شهرستان الشتر بر مبنای ارزیابی و پیش بینی تغییرات دما صورت گرفته است. هدف از این پژوهش "مدل سازی برای پیش بینی میانگین دمای ماهانه فصلی ایستگاه های منتخب استان لرستان به ویژه منطقه الشتر می باشد. شناسایی و آشکار سازی پهنه های آسیب پذیر با زیر ساخت هایی از قبیل کشاورزی؛ هیدرولوژی؛ حمل و نقل نواحی شهرستان در شرایط تغییر اقلیم می باشد. و با توجه به عدم وجود ودر دسترس نبودن دیتای سری زمانی 30 ساله ی الشتر لذا از شهرستان های همجوار از جمله ایستگاه های سینوپتیک خرم آباد -الشتر -بروجرد استفاده شده است در همین رابطه آمار 30ساله (1989-2019) تعداد سه ایستگاه سینوپتیک فوق الذکر استان لرستان مورد مطالعه و بررسی قرارگرفت و تغییرات معنی دار دماهای بیشینه و کمینه متوسط و همچنین دامنه شبانه روزی دما (dtr)که بیان گر اختلاف مقادیر دماهای بیشینه و کمینه می باشد» در دو مقیاس زمانی فصلی و سالانه مورد تجزیه وتحلیل قرار گرفت. بدین منظور؛ ابتدا دوره مطالعاتی در بازه زمانی ۲۰ ساله و۳۰ ساله تقسیم شده و با توجه به میزان تغیرات دما؛ دوره نرمال اقلیمی برای کلیه ایستگاه ها استخراج گردید. سپس مقادیر میانگین داده ها؛ با استفاده از مدل شبکه عصبی مصنوعی توانایی زیادی در شبیه سازی و پیش بینی عناصر جوی و آب و هوایی به ویژه دما دارد. پکیج fore gast استفاده شده است. نرم ابزار برنامه نویسیr  دو نمونه مورد مقایسه قرارگرفت و اختلاف های معنی دار سطح اطمینان ۹۵٪و۸۰٪ مشخص شدند. در این رابطه؛ بیشترین و کمترین تفاوت میانگین دوره ها؛ به ترتیب به دماهای کمینه و بیشینه اختصاص یافت همچنین روند داده ها در بازه زمانی ۲۰ ساله اخیر نیز مورد بررسی قرار گرفت و بر اساس نتایج آن؛ دماهای متوسط؛ بیشینه و کمینه دارای روندی افزایشی بوده است. از نظر فصلی نیز زمستان شدیدترین تغییرات را در منطقه در برداشته است میزان موارد اختلاف بین بازه زمانی ۲۰ ساله و بازه های ۳۰ (دوره نرمال) ۳۰ ساله به ترتیب ۹۵ درصد و۸۰ درصد می باشد. در بازه ۲۰ساله اخیر؛ بیشترین و کمترین روند معنی دار ایستگاه ها؛ به ترتیب در فصول تابستان و پاییز مشاهده گردید. دوره اقلیم تحت دو سناریوی nnar"foregast گزارش و استخراج شد.
۲۹۲.

سیاست گذاری نگهداری و تعمیرات پیشگویانه در مراکز فرآوری نفت و گاز(مقاله علمی وزارت علوم)

کلیدواژه‌ها: نگهداری و تعمیرات تعمیرات پیشگویانه مبتنی بر شرایط تکنیک شبکه عصبی MPL پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۲۹۸ تعداد دانلود : ۱۳۱
سیاست مناسب در نگهداری و تعمیرات می گوید تعمیر زمانی باید انجام شود که نیاز باشد. اگرچه انجام تعمیرات پیشگیرانه می تواند تعمیرات ناگهانی و غیرمترقبه را کاهش دهد اما همچنان باعث کاهش در دست رس بودن و افزایش هزینه های تعمیرات می گردد. شرکت ها می بایست استراتژی های نگهداری آنلاین و پیشگویانه را گسترش دهند که بتوانند تصور کنند که هر خرابی در هر زمانی ممکن است به طور تصادفی رخ دهد و این نیاز را از علائم و نشانه هایی که تجهیزات از خود بروز می دهند تشخیص دهند که به آن نگهداری و تعمیرات پیشگویانه یا نگهداری مبتنی بر شرایط می گویند. در این مقاله سعی شده است یک مدل پشتیبان تصمیم گیر برای نگهداری و تعمیرات پیشگویانه مبتنی بر شرایط بر اساس تکنیک های داده کاوی طراحی شود. این پروژه در یکی از شرکت های بهره برداری نفت و گاز جنوب کشور انجام شده و تجهیز انتخابی برای این پروژه توربین های گازی است که یکی از اساسی ترین و بحرانی ترین تجهیزات در کارخانه های فرآوری نفتی است. در این پروژه تکنیک داده کاوی شبکه عصبی MPL برای پیش بینی رخداد خرابی در تجهیز مورد نظر به کار گرفته شده است. در انتها پیشنهادهایی از جمله توسعه این مدل برای سایر تجهیزات، کنترل مدت زمان مشاهده صورت وضعیت تجهیزات و تعیین زمان بهینه تعمیر و نگهداری برای آینده ارائه شده است. در این پروژه تکنیک داده کاوی شبکه عصبی MPL برای پیش بینی رخداد خرابی در تجهیز مورد نظر به کار گرفته شده است. در انتها پیشنهادهایی از جمله توسعه این مدل برای سایر تجهیزات، کنترل مدت زمان مشاهده صورت وضعیت تجهیزات و تعیین زمان بهینه تعمیر و نگهداری برای آینده ارائه شده است.
۲۹۳.

الگوسازی و پیش بینی درآمدهای مالیاتی در برنامه ی پنجم توسعه براساس ساختاری ویژه از شبکه های عصبی غیرخطی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: آشوب بعدهمبستگی پیش بینی شبکه ی عصبی مصنوعی مالیات مدل چندورودی- چندخروجی

حوزه های تخصصی:
تعداد بازدید : ۳۴۸ تعداد دانلود : ۱۱۳
در این مقاله ی، پیش بینی درآمدهای مالیاتی کشور طی سال های برنامه ی پنجم توسعه، یا به کارگیری روش شبکه های عصبی غیرخطی انجام شده است. این پیش بینی بر مبنای داده-های درآمدهای مالیاتی به تفکیک مالیات های کل، مستقیم، غیرمستقیم (سال های 87-1338)، شرکت ها، درآمد، ثروت و واردات (87-1342) بوده است. از آن جا که پیش بینی ها مربوط به دوره ی میان مدت می باشد، شناخت نسبی از میزان پیچیدگی سری های زمانی موردنظر این امکان را فراهم می کند که با توجه به ساختار سری های زمانی، از مدل های مناسب برای پیش بینی و دستیابی به جواب های قابل اطمینان استفاده شود، لذا در این مقاله ابتدا ماهیت ساختاری سری زمانی درآمدهای مالیاتی از جهت آشوبی و تصادفی بودن و میزان پیچیدگی، با استفاده از آزمون بُعد همبستگی، بررسی شده است. نتایج تخمین بُعد همبستگی علاوه بر تأیید وجود آشوب در داده ها، نشانگر پیچیدگی در ساختار سری های زمانی موردنظر می باشد که میزان آن در مورد هر متغیر از جهت شدت و ضعف، متفاوت است. در مرحله ی بعد، درآمدهای مالیاتی به تفکیک منابع وصولی با استفاده از شبکه ی عصبی پیشنهادی وی ژه ی مؤلفان با ساختار چندورودی چندخروجی و قانون یادگیری پیشنهادی برای سال های 93-1388، به صورت یک بازه ی درآمدی پیش بینی شده است. نتایج به دست آمده از فرآیند پیش بینی شش سال آینده در فاز آموزش بسیار مطلوب بوده است و انتظار می رود در سال های آینده نیز مقادیر پیش بینی شده چنان چه تغییر ساختار ویژه ی مالیاتی رخ ندهد، با دقت خوبی برقرار باشد. طبقه بندی G11, G1 :JEL
۲۹۴.

کاربرد تلفیقی مدل های داده - ستانده و شبکه ی عصبی در پیش بینی تولید کل و تقاضای نهایی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی پیش خور تعمیم یافته داده- ستانده شبکه ی عصبی

حوزه های تخصصی:
تعداد بازدید : ۲۱۶ تعداد دانلود : ۸۵
پیش بینی متغیرها یکی از وظایف اصلی و مهم علوم مختلف از جمله اقتصاد می باشد. به طور کلی پیش بینی ها می توانند در ارتباط با انجام بخشی از سیاست ها کاربردهای مفید و مؤثری را به نمایش گذارند. در این مطالعه به طور مشخص از مدل تلفیقی داده ستانده و شبکه ی عصبی در پیش بینی تقاضای نهایی و تولید کل استفاده و با نتایج حاصل از کاربرد مدل داده ستانده مقایسه شده است. ابتدا با استفاده از میانگین نرخ رشد تقاضای نهایی طی سال های 1365 الی 1375 به برآورد تقاضای نهایی پرداخته و سپس تولید کل با استفاده از روش داده ستانده پیش بینی شده است. در گام بعدی دو شبکه ی عصبی پیش خور تعمیم یافته به ترتیب با یک و سه لایه ی پنهان و توابع فعال سازی Axon در نظر گرفته شده اند. متغیر خروجی شبکه ی اول، تقاضای نهایی سال 1380 و متغیر خروجی شبکه ی دوم، تولید کل سال 1380 می باشد. استفاده از معیارهای MSE، RMSE، MAD، MAPE و U-Thail در مقایسه ی دو مدل نشان می دهد که مدل تلفیقی داده ستانده و شبکه ی عصبی نسبت به مدل داده ستانده در پیش بینی تولید کل از دقت بیش تری برخوردار است. طبقه بندی :JEL C53, D57, C54
۲۹۵.

آزمون عقلانیت در پیش بینی درآمدهای مالیاتی در ایران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: آزمون عقلانیت پیش بینی درآمدهای مالیاتی تورش معادلات رگرسیونی به ظاهر نامرتبط

حوزه های تخصصی:
تعداد بازدید : ۲۶۷ تعداد دانلود : ۹۸
بودجه نقشی مهم در مدیریت و اداره بخش عمومی ایفا می کند. یکی از مهم ترین اجزای بودجه پیش بینی درآمد است و بدون داشتن دقت لازم در پیش بینی درآمد، دولت ها در جلوگیری از کسری و آمادگی به منظور مقابله با آن ناتوان اند و مردم از کاهش خدمات ضروری و مهمی، همچون آموزش، بهداشت و ...، که دولت ارائه می کند، متحمل زیان خواهند شد. در این پژوهش فرضیه انتظارات عقلایی در پیش بینی دولت از درآمدهای مالیاتی به کار گرفته می شود. منظور از آزمون عقلانیت بررسی این موضوع است که آیا از اطلاعات در دسترس در زمان وقوع پیش بینی به شکلی کارا استفاده شده است یا نه؟ نتایج آزمون عقلانیت ضعیف، که مدل مربوط به آن را روش OLS برآورد کرده است، نشان می دهد در بین درآمدهای مالیاتی فقط برای مالیات بر اشخاص حقوقی است که نمی توان عقلانیت ضعیف را رد کرد. همچنین، نتایج آزمون عقلانیت قوی، که مدل مربوط به آن را روش  SUREبرآورد کرده است، بیانگر این است که عقلانیت قوی برای پیش بینی درآمد ناشی از مالیات بر اشخاص حقوقی تأیید می شود. این بدین مفهوم است که پیش بینی طراحان بودجه از درآمد ناشی از مالیات بر اشخاص حقوقی بدون تورش و عقلایی بوده است و آنها از اطلاعات در دسترس به شکلی کارا استفاده کرده اند. طبقه بندی JEL: F62, H30, H68, E27.
۲۹۶.

انطباق پذیری رفتار شاخص بورس اوراق بهادار تهران با مدل تئوری امواج الیوت(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی شاخص بورس اوراق بهادار تهران تحلیل تکنیکال تئوری موج الیوت الگوریتم های طبقه بندی

حوزه های تخصصی:
تعداد بازدید : ۲۳۲ تعداد دانلود : ۱۴۱
یکی از مهم ترین مباحث در اقتصاد جهان، استفاده از سرمایه های راکد برای توسعه اقتصادی هر کشور است و این نیازمند یک سیاست راهبردی جذب سرمایه گذاران داخلی و خارجی جهت تقویت بازار سرمایه کشور است. هدف کلی این پژوهش، بررسی انطباقپذیری رفتار بازار سهام ایران با سایر بازار های مالی خارجی طبق مدل تئوری موج الیوت از ابزارهای تحلیل تکنیکال و با استفاده از الگوریتم های طبقه بندی است. لذا در این پژوهش، روند حرکتی قیمت در شاخص کل و شاخص کل هم وزن بورس اوراق بهادار ایران بهعنوان دماسنج اقتصاد و نشانگر وضعیت کلی بازار سهام ایران، مورد بررسی قرار گرفته است. ابتدا، متغیرهای نوسان نمای موج الیوت و شاخص قدرت حرکت و تغییرات قیمت، بطور روزانه برای شاخص کل از تاریخ 25/02/1387 تا 05/09/1399 و شاخص کل هم وزن از تاریخ 14/02/1394 تا 11/09/1399 محاسبه شد و بر اساس این سه متغیر، روند حرکتی به سه دسته خرید، فروش و نگهداری برچسب گذاری شد. سپس، الگوریتم های طبقه بندی مانند درخت تصمیم، نزدیک ترین K همسایه، ماشین بردار پشتیبان خطی برای پیش بینی روند آینده استفاده شد. نتایج نشان داد دقت الگوریتم های درخت تصمیم و نزدیک ترین K همسایه در پیش بینی برچسب خرید، فروش و نگهداری بالای 90 % بوده است. بنابراین، استفاده از روش های تکنیکی و الگوریتم های پیشنهادی می تواند به سرمایه گذاران در تشخیص روند آتی شاخص کل و شاخص کل هم وزن کمک کند.
۲۹۷.

پیش بینی دماهای حداکثر روزانه با استفاده از شبکه های عصبی مصنوعی(مطالعه موردی: کرمان)(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: دماهای حداکثر روزانه پیش بینی شبکه های عصبی مصنوعی کرمان

حوزه های تخصصی:
تعداد بازدید : ۳۲۳ تعداد دانلود : ۱۲۴
با توجه به توانایی شبکه های عصبی مصنوعی در شبیه سازی فرایندهای بسیار پیچیده، از آن ها برای پیش بینی و محاسبه پارامترهای اقلیمی استفاده می شود. هدف این پژوهش نیز پیش بینی دمای حداکثر روزانه در استان کرمان می باشد. بدین منظور پارامترهای اقلیمی روزانه به عنوان ورودی شبکه های عصبی، و دمای حداکثر روزانه به عنوان خروجی شبکه، طی دوره آماری 24 ساله (2013-1989) مورد استفاده قرار گرفته است نتایج این تحقیق بعد از آزمون شبکه، نشان داد که. شبکه پرسپترون چند لایه با توجه به میزان خطا و همبستگی بین داده ها از دقت بیشتری برخوردار است وخطای کمتر و همبستگی بیشتری نسبت به خروجی مورد نظر (دمای حداکثر روزانه) را نشان می دهد. همچنین از بین پارامترهای اقلیمی استفاده شده دمای حداقل و میانگین دمای تر نسبت به دیگر پارامترهای اقلیمی ورودی شبکه عصبی پیش بینی دمای حداکثر روزانه را با خطای کم و همبستگی بیشتری نشان می دهند.
۲۹۸.

بررسی تأثیر توالی دبی روزانه در پیش بینی جریان رودخانه با استفاده از الگوریتم های هوشمند (مطالعه موردی: حوزۀ آبخیز کسیلیان)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی دبی روزانه کسیلیان الگوریتم هوشمند

حوزه های تخصصی:
تعداد بازدید : ۱۷۹ تعداد دانلود : ۱۰۱
پیش بینی جریان رودخانه در دوره های زمانی آینده، از مسائل مهم و کاربردی در مدیریت منابع آب است. در حقیقت تعیین یک مدل قابل اطمینان و انتخاب وروی ها با تأخیر زمانی مناسب برای پیش بینی دبی جریان، یک موضوع کلیدی برای مدیران حوزه آبخیز، هیدرولوژیست ها و مهندسان رودخانه است. در چند دهه اخیر استفاده از الگوریتم های هوشمند و تئوری مجموعه های فازی برای مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققان قرار گرفته است. در این راستا در پژوهش حاضر به منظور پیش بینی جریان در حوزه آبخیز کسیلیان، از مدل سیستم استنتاج عصبی- فازی تطبیقی و از ورودی دبی جریان با تأخیر یک روز قبل، دو روز قبل تا هفت روز قبل استفاده شد. سپس برای بررسی بیشتر این فرایند، از مدل شبکه عصبی مصنوعی نیز استفاده شد و نتایج براساس شاخص های آماری ضریب تبیین و جذر میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج حاکی از این بود که در مدل سیستم استنتاج عصبی- فازی تطبیقی تا گام زمانی چهار روز قبل، پیش بینی جریان رو به بهبود بود و بعد از آن رو به نزول گذاشت و در مدل شبکه عصبی مصنوعی تا گام زمانی پنج روز قبل بهترین نتایج را ارائه داد. همچنین مقایسه و ارزیابی نتایج شاخص های آماری الگوهای بهینه هر دو مدل در دوره آزمون نشان داد که مدل سیستم استنتاج عصبی- فازی تطبیقی (ضریب تبیین= 60/0 و جذر میانگین مربعات خطا= 64/0) نسبت به مدل شبکه عصبی مصنوعی (ضریب تبیین=51/0 و جذر میانگین مربعات خطا= 74/1)، از دقت بیشتری برای پیش بینی جریان رودخانه برخوردار بود.
۲۹۹.

مدل سازی پیش بینی جهش های شاخص بازار سهام بر اساس رویکرد شبکه عصبی بازگشتی یادگیری عمیق(مقاله علمی وزارت علوم)

کلیدواژه‌ها: جهش بازار سهام پیش بینی یادگیری ماشین شبکه عصبی بازگشتی

حوزه های تخصصی:
تعداد بازدید : ۲۴۲ تعداد دانلود : ۱۹۷
هدف از انجام این پژوهش بررسی دقت پیش بینی جهش های شاخص سهام بر اساس روش های مختلف یادگیری ماشین در بورس اوراق بهادار تهران است. برای رسیدن به این هدف، در گام نخست جهش های شاخص کل بورس اوراق بهادار تهران طی دوره 1392 تا 1399 بر اساس رویکرد ARJI-GARCH استخراج گردید. در گام بعدی، با بهره گیری از رویکردهای جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و شبکه عصبی بازگشتی مبتنی بر یادگیری عمیق به پیش بینی جهش های شاخص سهام پرداخته شد. بدین منظور، از 80 درصد کل داده ها به عنوان دوره یادگیری ماشین (درون نمونه) و مابقی داده ها به عنوان دوره آزمون (خارج از نمونه) استفاده شده است. نتایج پیش بینی 1، 3 و 6 روزه برای دوره آزمون (خارج از نمونه) نشان می دهد که روش یادگیری ماشین مبتنی بر شبکه عصبی بازگشتی حافظه طولانی کوتاه مدت (LSTM) نتیجه بهتری نسبت به سایر مدل های مورد بررسی برای هر سه افق پیش بینی داشته است.
۳۰۰.

پیش یابی و شناسایی کانون های گردوغباری با استفاده مدل های عددی مطالعه موردی جلگه خوزستان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدل های عددی کانون های گردوغبار پیش بینی جلگه خوزستان

حوزه های تخصصی:
تعداد بازدید : ۱۶۵ تعداد دانلود : ۱۳۱
مهم ترین مشکل آب وهوایی استان خوزستان در سال های اخیر، پدیده گردوغبار بوده است که پیامدهایی منفی را بر روی سلامت شهروندان، کشاورزی، منابع آب داشته است. برای مقابله با مخاطره محیطی از جمله ریزگردها یا باید از رخداد آنها پیشگیری نمود و یا با پیش بینی زمان رخداد آن، به مقابله با آثار ناگوار آن پرداخت. با آگاهی از زمان رخداد گردوغبار می توان از آثار زیان بار این پدیده کاست. هدف از این پژوهش شناخت کانون های گردو غبار استان خوزستان و پیش بینی آن به منظور آمادگی مقابله با آن است. به منظور شناسایی کانون های گردوغبار و پیش بینی آن در جنوب غرب ایران (جلگه خوزستان) به کمک مدل های عددی HYSPLIT به روش برگشتی و انتشار استفاده شد. در همین راستا این مدل در 4 غالب برای دوره زمانی 2016-2000 اجرا شد. ابتدا به روش برگشتی برای یک محدوده که جلگه خوزستان مدنظر بود اجرا و مسیرهای انتقالی از 48 ساعت قبل اجرا شد. در ادامه پس از شناسایی کانون ها و مسیرها، به روش Forward از کانون های شناسایی شده غلظت ذرات و حجم انتقالی، عمق اپتیکی و مدت زمان رسیدن ذرات گردوغبار به منطقه محاسبه گردید. بررسی ها نشان داد 4 کانون اصلی در دوره مذکور مهم شناسایی شد. که اولی واقع در نواحی مرزی شمال غربی خوزستان، دومی واقع در جنوب شرق عراق، سومی غرب عراق و چهارم واقع در شرق اردن هست. بررسی حاکی از آن بود پس از انتشار گردوغبار در منطقه و شارش یافتن آن به منطقه خوزستان در جنوب غرب ایران به خصوص گردوغبارهای نشاءت گرفته از کانون های دوم و چهارم در منطقه است.