مطالب مرتبط با کلیدواژه

پیش بینی


۲۱.

مطالعه تطبیقی روش های خطی ARIMA و غیر خطی شبکه های عصبی فازی در پیش بینی تقاضای اشتراک گاز شهری(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی زمستان ۱۳۸۴ شماره ۷۱

کلیدواژه‌ها: پیش بینی منطق فازی تقاضا شبکه های عصبی روش های غیر خطی گاز شهری

حوزه های تخصصی:
تعداد بازدید : ۳۱۶۱ تعداد دانلود : ۱۵۴۴
اطلاع از میزان تقاضای موجود در هر دوره یکی از مباحثی است که شرکت ملی گاز در راه پاسخگویی به مراجعان به آن نیاز دارد. عدم اطلاع از میزان تقاضای اشتراک سبب ایجاد مشکلاتی مانند عدم آگاهی از تعداد پیمانکاران مورد نیاز و همچنین فقدان برنامه کنترل موجودی مناسب برای انواع کنتورهای مورد نیاز و دیگر عوامل مرتبط می شود. در چند دهه گذشته، اقتصاددانان و علمای مدیریت برای برآورد تقاضا اغلب از روش های اقتصادسنجی استفاده کرده اند. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی و مدل های فازی در بسیاری از زمینه های کاربردی استفاده شده اند که هر کدام از آنها دارای محاسن و معایبی هستند. بنابراین، ترکیب موفقیت آمیز این دو روش، مدل سازی شبکه های عصبی مصنوعی و فازی، با اتکا به ترکیب قدرت یادگیری شبکه های عصبی و عملکرد منطقی سیستم های فازی تبدیل به ابزار بسیار قدرتمندی شده که هم اکنون کاربردهای گوناگونی دارند. در این تحقیق، تقاضای اشتراک گاز شهری خانگی شهر تهران با استفاده از روش خطی ARIMA و روش غیرخطی شبکه های عصبی فازی بررسی شده و از لحاظ شش معیار ارزیابی عملکرد با یکدیگر مقایسه شده اند. نتایج تحقیق بیان گر این حقیقت است که برای پیش بینی تقاضای اشتراک گاز شهری، شبکه های عصبی فازی در تمامی شش معیار ارزیابی عملکرد، بر روش ARIMA برتری داشته، بنابراین مناسب تر است.
۲۲.

بررسی مقایسه ای توان پیش بینی شبکه های عصبی مصنوعی با روش توقف زودهنگام و فرایند سری زمانی خودبازگشت در برآورد نرخ تورم(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی زمستان ۱۳۸۶ شماره ۸۱

کلیدواژه‌ها: تورم پیش بینی شبکه عصبی سری های زمانی انتخاب مدل

حوزه های تخصصی:
تعداد بازدید : ۱۸۴۹
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.
۲۳.

بهبود مدل سازی شبکه های عصبی در پیش بینی نرخ ارز، با به کارگیری شاخص های تلاطم(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی زمستان ۱۳۸۷ شماره ۸۵

کلیدواژه‌ها: نرخ ارز پیش بینی شبکه عصبی شاخص تلاطم

حوزه های تخصصی:
تعداد بازدید : ۲۴۰۷ تعداد دانلود : ۱۱۳۳
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.
۲۵.

تحلیل تقاضای برق در ایران با استفاده از مفهوم هم‌جمعی و مدل ARIMA(مقاله علمی وزارت علوم)

نویسنده:
منبع: دانش و توسعه ۱۳۸۷ شماره ۲۵

کلیدواژه‌ها: پیش بینی هم جمعی مدل ARIMA تقاضای برق ایران

حوزه های تخصصی:
تعداد بازدید : ۱۸۷۸ تعداد دانلود : ۱۱۸۱
صنعت برق در جهان، بیش از صد سال قدمت دارد و هر کشوری با توجه به این که دولت یا بخش خصوصی به چه میزان در صنعت برق دخالت دارد، ساختار تولیدی را برای خود انتخاب کرده است. اما به طور کلی اکنون در سرتاسر جهان، صنعت برق در حال حرکت به سمت بازارهای رقابتی و فرآیند تجدید ساختار است. صنعت برق در ایران نیز در حال گذار از ساختار انحصار طبیعی به بازارهای رقابتی و ساختار جدیدی است که تولید کنندگان برای فروش انرژی به رقابت با یکدیگر می پردازند. در چنین شرایطی مطالعه وضعیت اقتصادی صنعت برق در ایران از اهمیت ویژه ای برخوردار است. در مقاله حاضر تلاش شده است با استفاده از مدل های هم جمعی و ARIMA، تقاضای برق مصرفی در ایران برآورد و پیش بینی گردد. نتایج حاصل از تحقیق، گویای این واقعیت است که واکنش مصرف کنندگان برق در ایران به تغییرات درآمد و قیمت کاملاً محدود است و بنابراین نیاز به طراحی مقررات اقتصادی در بازار برق ایران وجود دارد. همچنین پیش بینی های مربوط به تقاضای برق در آینده نشان می دهد که تقاضای سرانه برق با نرخ رشد سالانه 4/4 درصد افزایش می یابد که حاکی از رشد بسیار بالای مصرف برق در ایران می باشد
۲۶.

پیش‌بینی عرضه نفت خام در یازده کشور تولیدکننده با استفاده از شبکه‌های عصبی و رگرسیون خطی (2006-1980)(مقاله علمی وزارت علوم)

نویسنده:
منبع: دانش و توسعه ۱۳۸۸ شماره ۲۷

کلیدواژه‌ها: پیش بینی شبکه های عصبی عرضه نفت خام

حوزه های تخصصی:
تعداد بازدید : ۱۵۵۵ تعداد دانلود : ۹۶۲
اغلب مدل های انحصار چندجانبه بازار نفت، با فرض وجود کارتلی به نام اوپک شروع می شوند. افزایش پی در پی قیمت های نفت در طی سال های اخیر و عدم توانایی اوپک در تنظیم بازار، امکان وجود رفتار رقابتی در بازار نفت را شدت می بخشد. حال با توجه به این نوسانات شدید در بازار نفت، پیش بینی عرضه نفت، برای سیاستگذاران و شرکت های نفتی بسیار حایز اهمیت می باشد. در سال های اخیر استفاده از شبکه های عصبی مصنوعی در کنار روش های اقتصادسنجی در پیش بینی متغیرهای مهم اقتصادی مرسوم شده است. علت آن نیز در ویژگی های منحصر به فرد شبکه های عصبی از قبیل: آزادی از فرضیه های آماری و قابلیت حل مسائل غیر خطی پیچیده می باشد. در این مقاله سعی شده است علاوه بر پیش بینی تولید نفت خام در یازده کشور تولیدکننده، با استفاده از دو مدل رگرسیون خطی و شبکه های عصبی، نتایج به دست آمده در هر کشور به طور مجزا مقایسه شود. تخمین ها، حاکی از آن است که شبکه های عصبی پیش بینی های بهتری نسبت به مدل های رگرسیون خطی ارایه می کنند.
۲۷.

پیش‌بینی نرخ ارز با مدل‌های عصبی- فازیِ ANFIS، شبکه عصبی- خودرگرسیونیِ NNARX و خودرگرسیونیِ ARIMA در اقتصاد ایران (87-1381)(مقاله علمی وزارت علوم)

نویسنده:
منبع: دانش و توسعه ۱۳۸۸ شماره ۲۸

کلیدواژه‌ها: نرخ ارز پیش بینی ANFIS ARIMA NNARX

حوزه های تخصصی:
تعداد بازدید : ۳۲۸۹ تعداد دانلود : ۲۲۷۷
سیاست گذاران پولی به منظور جلوگیری از زیان های ناشی از تغییرات از هم گسیخته نرخ ارز، همواره درصدد یافتن روشی مناسب برای پیش بینی نرخ ارز بوده اند. لیکن ویژگی های چند بعدی نرخ ارز باعث رفتار پیچیده و غیرخطی آن شده و مدل های غیرخطی از عمل کرد بهتری در پیش بینی آن برخوردار می باشند. لذا، در این مطالعه کارایی مدل های غیرخطی ANFIS و NNARX و مدل خطی ARIMA در پیش بینی برابری نرخ ارز ریال/دلار آمریکا و ریال/یورو برای 2، 4 و 8 روز آتی با استفاده از مهمترین معیارهای ارزیابی کارایی مدل ها و داده های روزانه مربوط به دوره 1/9/1387-1/1/1381 مقایسه شد. نتایج نشان داد که مدل های ANFIS و NNARX در مقایسه با مدل ARIMA و مدل ANFIS در مقایسه با مدل NNARX در همه افق های مورد نظر، از کارایی بیشتری در پیش بینی نرخ ارز ریال/دلار آمریکا و ریال/یورو برخوردار می باشد.
۲۸.

محتوای اطلاعاتی ارزش افزوده اقتصادی برای پیش بینی سود(مقاله علمی وزارت علوم)

نویسنده:
منبع: مجله علوم اجتماعی و انسانی دانشگاه شیراز ۱۳۸۶ شماره ۵۰

کلیدواژه‌ها: ارزیابی عملکرد ارزش افزوده پیش بینی سود عملیاتی محتوای نسبی و فزاینده اطلاعاتی

حوزه های تخصصی:
تعداد بازدید : ۲۴۶۹ تعداد دانلود : ۱۰۵۲
" در این مقاله، محتوای نسبی و فزیانده اطلاعاتی ارزش افزوده اقتصادی در مقایسه با سود عملیاتی دوره جاری و جریان نقدی عملیاتی برای پیش بینی سود شرکت های پذیرفته شده در بورس اوراق بهادار تهران (نمونه ای شامل 133 شرکت) بررسی شده است. نتایج پژوهش نشان می دهد که سود عملیاتی دروه جاری، جریان نقدی عملیاتی و ارزش افزوده اقتصادی، توانایی پیش بینی سود عملیاتی دوره بعد را دارد، اما توانایی پیش بینی سود عملیاتی از بقیه بیشتر است. همچنین، بررسی محتوای فزاینده اطلاعاتی نشان می دهد که ارزش افزوده اقتصادی نسبت به سود عملیاتی دوره جاری دارای محتوای فزایندهی اطلاعاتی نیست. جریان نقدی عملیاتی دارای محتوای فزاینده اطلاعاتی اندکی است، به طوری که تنها در دو سال از سال های مورد مطالعه، قدرت پیش بینی سود عملیاتی دوره جاری را به میزان اندکی افزایش داده است. ارزش افزوده اقتصادی نسبت به جریان نقدی عملیاتی دارای محتوای فزاینده اطلاعاتی است زیرا توانایی پیش بینی آن را افزایش داده است. "
۲۹.

مدل سازی پیش بینی جایگاه تیم ملی فوتبال ایران در رده بندی فیفا با استفاده از شبکه های عصبی فازی(مقاله علمی وزارت علوم)

نویسنده:
منبع: المپیک سال هفدهم تابستان ۱۳۸۸ شماره ۲ (پیاپی ۴۶)

کلیدواژه‌ها: پیش بینی شبکه های عصبی فازی مدل سازی

حوزه های تخصصی:
تعداد بازدید : ۲۲۶۸ تعداد دانلود : ۱۰۶۱
پیش بینی در فوتبال همچون پیش بینی دیگر مسائل سیاسی و اقتصادی امر بسیار پیچیده و مشکلی است، اما امروزه مدل هایی وجود دارند که با استفاده از آن ها می توان تا حدودی نتایج و رده بندی های آتی را پیش بینی کرد. هدف از پژوهش حاضر ارائه مدل پیش بینی بر مبنای شبکه های عصبی فازی است تا بتوان بر اساس آن جایگاه تیم ملی فوتبال ایران در رده بندی فیفا را پیش بینی کرد. روش تحقیق حاضر از نوع توصیفی- تحلیلی است که در بخش توصیفی، سوابق تیم ملی فوتبال ایران در 119 ماه گذشته (1996، آغاز عملیات رده بندی فیفا، تا آغاز سال 2006، شامل جایگاه ایران در رده بندی فیفا در پایان هر ماه میلادی، امتیاز تیم ایران در پایان هر ماه، نتیجه بازی ها، تعداد گل های رد و بدل شده، محل برگزاری مسابقه، نوع بازی، جایگاه تیم حریف ایران در رده بندی ماه قبل فیفا، و قدرت منطقه ای تیم حریف ایران) از سایت رسمی فیفا به دست آمد؛ و در بخش تحلیلی، اطلاعات توسط سیستم شبکه عصبی فازی تجزیه و تحلیل شد و یک مدل پیش بینی برای آن نیز ارائه شد. یافته های پژوهش نیز به دو شیوه ارائه شده است؛ شیوه اول مدل مفهومی است. در این مدل می توان با دادن متغیرهای مستقل ذکر شده، جایگاه تیم ملی ایران در ماه های بعدی را پیش بینی کرد. این روش نسبتاً دقیق است و به رده بندی فیفا در ماه بعدی نزدیک خواهد بود. شیوه دوم زمانی است که متغیرهای مستقل ذکر شده مشخص نباشند. در اینجا می توان متغیر مستقل را زمان در نظر گرفت و مدل پیش بینی مورد نظر را طراحی کرد. برای مثال، جایگاه ایران در 2 ماه آینده، به ترتیب 19، 20 و... خواهد بود. این روش، نسبت به روش اول، از دقت کمتری برخوردار است و هرچه دامنه زمانی پیش بینی طولانی باشد از دقت آن کاسته می شود.
۳۰.

بررسی مدل اولویت بندی ایمن سازی معابر پیاده شهری با محوریت شبکه های عصبی مصنوعی (ANN)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات مدیریت ترافیک سال پنجم بهار ۱۳۸۹ شماره ۱۶

کلیدواژه‌ها: پیش بینی اولویت بندی ایمن سازی معابر پیاده شهری معابر پرخطر شهری

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات شبیه سازی
  2. حوزه‌های تخصصی مدیریت مدیریت دولتی مدیریت شهری حمل و نقل همگانی
تعداد بازدید : ۳۱۷۶ تعداد دانلود : ۱۴۴۴
تصادفات پدیده ای چند علتی است که نمی توان آن را با درنظر گرفتن عواملی محدود به طور کامل کنترل و مدیریت کرد. یکی از مهم ترین عوامل مؤثر در اولویت بندی معابر پر خطر شهری (تصادف خیز) برای عابران پیاده، عوامل محیطی وقوع تصادف است که تاکنون در روش های موجود به طور جامع در نظر گرفته نشده است. اولویت بندی این معابر را نمی توان بدون در نظر گرفتن و استفاده از آمار و اطلاعات وضع موجود، از ترکیب های خطی و مدل های ساده ریاضی مورد بررسی قرار داد زیرا تصمیم گیری درباره انتخاب معابر پرخطر را دچار مشکل می کند. در این تحقیق با ارائه روش مشاهده ای با استفاده از شبکه های عصبی مصنوعی، مدلی جدید به منظور اولویت بندی معابر پر خطر شهری با محوریت عابران پیاده ارائه می شود. در این روش، معابر شهری مذکور با درنظرگرفتن هم زمان پارامترهای هندسی، ترافیکی و کنترلی با استفاده از یک مدل ارائه شده با شبکه های عصبی مصنوعی و آمار و اطلاعات تصادفات عابران پیاده به عنوان مدل پیش بینی و به دنبال آن، استفاده از داده های تصادفات و خطرپذیری معابر به عنوان مدل اولویت بندی ارائه شده است. از عوامل مؤثر در تولید این مدل می توان به طول معابر، عرض معابر، عرض پیاده روها، پارک حاشیه ای معابر، عرض میانه معبر، محدودیت سرعت معبر، روشنایی معابر، کیفیت رویه آسفالت معابر، میزان تفکیک سواره رو و پیاده رو، کاربری اطراف معابر، میزان حضور پلیس در معابر، میزان تناسب سرعت با کاربری در معابر، تناسب گذرگاه های عرضی و شیب معابر اشاره کرد. استفاده از مدل ارائه شده با عوامل ذکرشده در این تحقیق، دقت و کارایی فرآیند اولویت بندی معابر پرخطر شهری برای عابران پیاده، با استفاده از آمار و اطلاعات تصادفات به مقدار قابل توجهی افزایش می دهد.
۳۱.

پیش بینی بحران مالی شرکت ها با استفاده از مدل مبتنی بر تابع تفکیکی خطی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های حسابداری مالی سال دوم بهار ۱۳۸۹ شماره ۱ (پیاپی ۳)

کلیدواژه‌ها: پیش بینی ورشکستگی نسبت های مالی بحران مالی

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت مالی
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری تأمین مالی
تعداد بازدید : ۴۲۴۲ تعداد دانلود : ۱۷۳۵
این مطالعه به بررسی متغیر های حایز اهمیت در پیش بینی بحران مالی و ورشکستگی شرکت ها پرداخته و مهمترین متغیر های مالی در پیش بینی بحران مالی را شناسایی کرده است. پس از شناسایی، مهمترین متغیر های پیش بینی ورشکستگی و مدلی برای پیش بینی بحران مالی و ورشکستگی شرکت ها ارایه شده و قدرت پیش بینی آن مورد آزمون قرار گرفته است. برای شناسایی مهمترین متغیرهای حایز اهمیت در پیش بینی بحران مالی و ورشکستگی شرکت ها، از مدل تابع تفکیکی خطی استفاده شده و مدلی 9 متغیره طراحی و ارائه شده است. این نسبت ها شامل نسبت سود قبل از بهره و مالیات به دارایی ها، نسبت سود انباشته به دارایی ها، نسبت سرمایه در گردش به دارایی ها، نسبت حقوق صاحبان سهام به بدهی ها، نسبت سود قبل از بهره و مالیات به فروش، نسبت دارایی های جاری به بدهی های جاری، نسبت سود خالص به فروش، نسبت بدهی ها به دارایی ها و اندازه شرکت بوده است. توانایی پیش بینی مدل، با استفاده از اطلاعات شرکت های دارای بحران مالی و شرکت های فاقد بحران مالی ارزیابی شده است و نتایج بررسی نشان می دهد که تا پنج سال قبل از بحران مالی می توان با استفاده از مدل با دقت نسبتاً بالا آن را پیش بینی نمود.
۳۲.

مطالعه نوسانات دما و بارش سالانه در منطقه شمال غرب ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های جغرافیای طبیعی (پژوهش های جغرافیایی سابق) سال چهلم زمستان ۱۳۸۷ شماره ۶۶

کلیدواژه‌ها: پیش بینی مدل نوسان دما و بارش سالانه منطقه شمال غرب ایران تابع تبدیل

حوزه های تخصصی:
تعداد بازدید : ۱۵۲۷ تعداد دانلود : ۷۲۱
در این مقاله از داده های مربوط به دما و بارش سالانه در یک دوره آماری 44 ساله برای ایستگاه های منطقه شمال غرب ایران که مشتمل بر 16 ایستگاه سینوپتیک می باشد استفاده شده است. از بین این ایستگاه ها تعداد 8 ایستگاه که دارای کامل ترین آمار بوده و منطقه مورد مطالعه را تحت پوشش قرار می دهند انتخاب شده و تجزیه و تحلیل داده ها در مورد این ایستگاه ها انجام گردیده است. روش مورد استفاده در این پژوهش مدل های تابع تبدیل می باشد که جزء روش های تجزیه و تحلیل سری های زمانی است. در همین راستا ابتدا ایستگاه ها بر اساس روش مذکور مدل سازی شده و سپس تحلیل داده ها و عمل پیش بینی بر روی آن ها انجام گرفته است نهایتاً با استفاده از آزمون روند، ایستگاه های مطالعه شده مورد آزمون قرار گرفته و معنی داری روند نوسان های دما و بارندگی در آن ها مشخص شده است. نتایج حاصل از این مطالعه در زمینه بررسی روند دمای سالانه نشان می دهد که سه ایستگاه میانه، تبریز و ماکو دارای روند معنی دار می باشند. در زمینه بررسی روند بارندگی سالانه نیز طبق نتایج آزمون روند، ایستگاه های تبریز، اردبیل، ارومیه وخوی دارای روند معنی دار بوده و در همه آن ها بارندگی سالانه دارای روندی نزولی می باشد.
۳۳.

پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد : تهران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های جغرافیای طبیعی (پژوهش های جغرافیایی سابق) سال چهل و دوم بهار ۱۳۸۹ شماره ۷۱

کلیدواژه‌ها: تهران شبکه های عصبی مصنوعی پیش بینی الگوریتم ژنتیک بارش

حوزه های تخصصی:
تعداد بازدید : ۱۵۶۰ تعداد دانلود : ۷۸۱
گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ANN) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از داده های بارش ماهانه طی دوره آماری 53 سال (1951-2003) و شبکه های عصبی مصنوعی به عنوان یک روش غیر خطی جهت پیش بینی بارش استفاده شده است. نتایج این تحقیق بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف نشان داد که استفاده از شبکه های عصبی مصنوعی با یک پرسپترون 2 لایه پنهان با ضریب یادگیری 1/0 و مومنتم 7/0 مدل نسبتاً بهتری را ارائه می کند. ضریب همبستگی بین مقادیر واقعی ماهانه بارش و پیش بینی شده توسط شبکه بدون ترکیب با الگوریتم ژنتیک برابر با 88/0 و ضریب تعیین برابر با 77/0 می باشد. همچنین بعد از آموزش مجدد شبکه و آزمون شبکه با لایه های پنهان و ضرایب مختلف یادگیری در ترکیب با الگوریتم ژنتیک نشان داد که ترکیب شبکه با ویژگی های مذکور با الگوریتم ژنتیک باعث کاهش خطا و افزایش سرعت محاسبات شده و مدل بهتری را ارائه می کند. ضریب همبستگی بین مقادیر واقعی ماهانه بارش و پیش بینی شده توسط شبکه برابر با 91/0 و ضریب تبیین برابر با 83/0 می باشد.
۳۴.

پیش بینی بارش پاییزه و زمستانه نیمه غربی ایران، با استفاده از SST مدیترانه در فصول تابستان و پاییز(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های جغرافیای طبیعی (پژوهش های جغرافیایی سابق) سال چهل و دوم زمستان ۱۳۸۹ شماره ۷۴

کلیدواژه‌ها: پیش بینی غرب ایران مدیترانه نوسان بارش SST

حوزه های تخصصی:
تعداد بازدید : ۱۵۷۳ تعداد دانلود : ۷۲۳
کشور ما به دلیل واقع شدن در همسایگی منابع رطوبتی فراوان دریای مدیترانه در غرب، خلیج فارس و دریای عمان مناطق رطوبتی یاد SST در جنوب، دریای خزر در شمال، دریای سیاه و اقیانوس هند تاثیرپذیری نسبتاً زیادی از شده دارد . لذا بررسی و مطالعه این تاثیرها بر مقدار بارش های کشور، نقش اساسی در شناخت نوس ان های بارش و پیش بینی مقادیر بارش آن دارد . از آنجا که خشکسالی و سیل خسارات زیادی به جوامع و بخش های مختلف اقتصادی در ایران وارد می کند، لذا پیش بینی بارش دارای نقش اساسی در مدیریت بهینه منابع آب و خاک، و نیز جایگزینی مدیریت ریسک به جای مدیریت بحران و توسع ه پایدار کشور است . در این پژوهش میزان تاثیر فصلی بر بارش های فصلی نیمه غربی ایران بررسی شده است . (Mediterranean SST) دمای سطح آب دریای مدیترانه ابتدا دوره های گرم و سرد و پایه (شرایط معمولی دمای سطح آب مدیترانه ) تعریف شد و سپس میانه آماری بارش و Rc/Rw ،Rb/Rc ،Rb/Rw محاسبه گردید و از مقادیر نسبت های Rb ،Rc ،Rw در هر دوره با عناوین به ترتیب به منظور ارزیابی میزان تاثیر این شرایط بر بارش استفاده شد . نتایج نشان داد زمانی که در فصل پاییز Rw/Rc سردتر از معمول باشد، بارش زمستانه منطقه مورد مطالعه افزایش می یابد ولی دمای گرم تر از معمول MedSST در فصل پاییز و بارش MedSST آن در فصل تابستان باعث افزایش بارش پاییزه می شود. همچنین بین نوسانات در فصل MedSST زمستانه ایستگاه های مورد مطالعه ، همبستگی معنی دار منفی وجود دارد، ولی بین نوسانات تابستان و بارش پاییزه ایستگاه های مورد مطالعه همبستگی معنی دار مشاهده نشد؛ اما تمایل نسبتاً مشخصی بین افزایش بارش پاییزه با دمای گرم مدیترانه ملاحظه می شود.
۳۵.

بررسی توانایی سودها و جریان های نقدی عملیاتی تاریخی در پیش بینی جریان های نقدی عملیاتی آتی(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادر تابستان ۱۳۸۷ شماره ۲

کلیدواژه‌ها: پیش بینی سود جریان های نقدی عملیاتی وقفه داده های تابلویی (طبقه بندی موضوعی: G13)

حوزه های تخصصی:
تعداد بازدید : ۱۵۳۱ تعداد دانلود : ۸۲۸
هیات تدوین استانداردهای حسابداری مالی در بیانیه مفهومی شماره یک، بدون ارائه دلایل قانع کننده مدعی شده است که سود حسابداری مبتنی بر مبنای تعهدی نسبت به جریان های نقدی، پیش بینی کننده بهتری از جریان های نقدی آتی است. این مقاله به آزمون تجربی ادعای فوق می پردازد. بدین منظور نمونه ای متشکل از 44 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی 1385-1360 مورد بررسی قرار گرفت. متدولوژی بکار گرفته شده در تحقیق، از نوع داده های تابلویی می باشد. در ضمن در مطالعه حاضر به تجزیه و تحلیل صنعت نیز پرداخته شده است. نتایج حاصل از آزمون فرضیات، ادعای هیات تدوین استانداردهای حسابداری مالی را تایید می نماید. نتایج حاصل از تجزیه و تحلیل صنعت نیز نشان می دهد که در برخی صنایع، سود و در برخی دیگر، جریان های نقدی عملیاتی، پیش-بینی کننده بهتری از جریان های نقدی عملیاتی آتی می باشند.
۳۶.

ارزیابی عملکرد مدل های لاجیت در پیش بینی بازده سهام(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادر تابستان ۱۳۸۷ شماره ۲

کلیدواژه‌ها: بازده سهام پیش بینی مدل لاجیت بورس اوراق بهادار (طبقه بندی موضوعی: C52)

حوزه های تخصصی:
تعداد بازدید : ۳۱۰۷ تعداد دانلود : ۱۵۹۳
هدف دانش حسابداری، تهیه اطلاعات سودمند برای تصمیم گیری اقتصادی است. یکی از معیارهای سودمندی اطلاعات حسابداری، توان پیش بینی آن است.پیش بینی بازده سهام اگرچه پیچیده است ولی همواره مورد علاقه سرمایه گذاران می باشد. سرمایه گذاران و تصمیم گیران جهت پیش بینی بازده سهام نیازمند اطلاعات هستند. بخشی از این اطلاعات از طریق گزارش های مالی شرکتها تامین می شود. گزارشهای مالی محصول حسابداری است، لذا سودمندی آن را می توان از طریق بررسی نقش این اطلاعات در پیش بینی بازدهی سهام بررسی کرد. یکی از موضوعات مهم در این پیش بینی ها انتخاب مدلهای مناسب می باشد. این پژوهش با استفاده از مدل های لاجیت و انتخاب تغییرات بازدهی سهام جهت پیش بینی، به دنبال آزمون تجربی سودمندی اطلاعات حسابداری می باشد. متغیرهای حسابداری پژوهش با توجه به نتایج تحقیقات انجام شده در ایران (رحمانی 1381و شعری 1383 ) وخارج از کشور ( او وپن مان 1989 ) شامل 17 نسبت مالی است. متغیر وابسته بر اساس سه تعریف از بازدهی شامل تغییر در بازدهی خام، تغییر در بازده تعدیل شده بر اساس بازده بازار و بازده تعدیل شده بر اساس اندازه است. بر اساس نمونه ای متشکل از 74 شرکت پذیرفته شده در بورس اوراق بهادار تهران مدلهای لاجیت برای دوره 5 ساله (1383-1379) و همچنین برای تک تک سالهای 1379 الی 1383 برازش شد. نتایج نشان داد که اقلام صورتهای مالی، توان تبیین و پیش بینی تغییرات بازده سهام را دارند. نسبتهای مالی معنادار در مدلهای برازش شده برای تک تک سالها در طول زمان تغییر کرده که بیانگر ناپایداری متغیر های حسابداری ( نسبتهای مالی ) تبیین کننده تغییرات بازدهی سهام در طول زمان می باشد.جهت مقایسه عملکرد مدلهای لاجیت با مدلهای رگرسیون خطی در پیش بینی بازده سهام، مدلهای رگرسیون خطی برای دوره 5 ساله (1383-1379) برازش شد. نتایج نشان داد که عملکرد دو مدل تفاوت معنی داری ندارند. نهایتا بر اساس پیش بینی مدلهای لاجیت در دو دوره سه ساله 1381-1379 و 1382-1380 ، پرتفوی های مصون بر اساس دو طرح برش Pr ( 5/0 و 5/0 ) و (6/0 و 4/0) تشکیل شد. نتایج حاصل نشان داد که از مجموع 12 پرتفوی تشکیل شده تنها 4 پرتفوی موفق به کسب بازدهی اضافی نسبت به بازار شده اند.این پژوهش از طریق جمع آوری شواهد تجربی در خصوص سودمندی اطلاعات حسابداری و بررسی عملکرد مدل آماری لاجیت در پیش بینی بازدهی سهام و اجرای استراتژی سرمایه گذاری مصون, می تواند به دانش حسابداری وسرمایه گذاری ، کمک نماید.
۳۷.

بررسی توانایی نسبت های مالی در پیش بینی بحران مالی: تحلیل لاجیت

نویسنده:
منبع: بورس اوراق بهادر زمستان ۱۳۸۸ شماره ۸

کلیدواژه‌ها: پیش بینی ورشکستگی نسبت های مالی بحران مالی رگرسیون لوجستیک. (طبقه بندی موضوعی:M41، G33)

حوزه های تخصصی:
تعداد بازدید : ۳۷۳۴ تعداد دانلود : ۱۶۵۷
با استفاده از تکنیک های چندمتغیره آماری همچون رگرسیون لوجستیک، به بررسی نقش داده های حسابداری در ایجاد یک مدل به منظور پیش بینی بحران مالی بر روی نمونه ای متشکل از 279 شرکت- سال (104 شرکت بحران زده و 175 شرکت بدون بحران مالی) پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی 1386- 1382 پرداخته شد. معیار مورد استفاده به منظور تمیز شرکت های بحران زده از شرکت های بدون بحران مالی، ماده 141 قانون تجارت می باشد. به منظور بررسی، 10 نسبت مالی به عنوان پیش بینی کننده های بالقوه بحران مالی انتخاب گردید. عملکرد مدل در طبقه بندی شرکت های نمونه مناسب بود و صحت طبقه بندی مدل از 9/84 درصد تجاوز نمود. همچنین نتایج نشان داد که مدل، توانایی پیش بینی بحران مالی را داشته و می تواند به حسابرسان، مقامات مجاز مالیاتی و سیستم بانکی کمک نمایند.
۳۸.

تخمین نیترات آب زیرزمینی دشت همدان- بهار با استفاده از شبکة عصبی مصنوعی و اثر تفکیک داده ها بر دقت پیش بینی(مقاله علمی وزارت علوم)

نویسنده:
منبع: محیط شناسی (محیط زیست) دوره سی و هفتم تابستان ۱۳۹۰ شماره ۲ (پیاپی ۵۸)

کلیدواژه‌ها: پیش بینی همدان نیترات شبکة عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۲۰۸۱ تعداد دانلود : ۱۳۲۶
کسب اطلاعات لازم در خصوص نیترات در منابع آب زیرزمینی مستلزم اندازه گیریهای دقیق دوره ای است که با وجود اندازه گیری آن در برخی مناطق، به علت حساسیت های اجتماعی و سلامتی جامعه گزارش نمیشود. بنابراین مدل سازی آن به علت اطلاع از وضعیت کیفی آب هر منطقه ضروری به نظر میرسد. هدف این مطالعه استفاده از روش شبکة عصبی مصنوعی در برآورد نیترات و مقایسة آن با مقادیر اندازه گیری شده و بررسی تأثیرپذیری برآورد نیترات از تعداد و ماهیت اطلاعات ورودی به مدل شبکه عصبی بود. داده ها از آمار و اطلاعات کمی و کیفی 53 حلقه چاه آب زیرزمینی دشت همدان- بهار در دو گروه اطلاعات پرهزینه و کم هزینه، طی سالهای 1382 تا 1387 اخذ شد. در گروه اطلاعات پرهزینه از 13 متغیر مستقل شیمیایی به عنوان ورودی شبکه عصبی مصنوعی و در گروه کم هزینه از 7 و 8 متغیر به تفکیک برای مدل سازی نیترات استفاده شد. مقایسة نتایج آزمون هر سه آرایش، حاکی از توانایی بالای مدل شبکة عصبی در پیش بینی غلظت نیترات است. مقایسة میانگین خطاهای حاصل از هر سه مدل شبکه عصبی با آزمون t و آماره Z نشان داد که تفاوت معنیداری بین نتایج مدل ها وجود ندارد. بنابراین استفاده از اطلاعات گروه دوم در ورودی شبکه عصبی قابل توجیه است. مشخصه های ورودی مدل پیشنهادی شامل خصوصیات ژئومرفولوژی عمق استاتیک، عمق چاه، مختصات جغرافیایی و اطلاعات کیفی دما، pH ، هدایت الکتریکی نمونه های آب اندازه گیری شده است که موفق به پیش بینی غلظت نیترات با اطمینانی بیش از 80 درصد شد که مؤید کارایی مناسب مدل در آبخوان دشت همدان-بهار است
۳۹.

پیش بینی نرخ ارز با استفاده از شبکه های عصبی مصنوعی و مدل ARIMA(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد مقداری زمستان ۱۳۸۷ شماره ۴ (پیاپی ۱۹)

کلیدواژه‌ها: پیش بینی شبکه های عصبی مصنوعی (ANN) خود رگرسیون میانگین متحرک انباشته

حوزه های تخصصی:
تعداد بازدید : ۳۹۳۰ تعداد دانلود : ۱۹۴۹
یکی از روش های سنتی پیش بینی، تجزیه و تحلیل سری زمانی است که بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است. در مورد عمکرد این مدل های سنتی بعضا تردیدهای ایجاد شده است. یکی از روش های جایگزین، شبکه های عصبی مصنوعی است که در برخی از موارد توانایی بالقوه خوبی برای پیش بینی سری های زمانی از خود نشان داده اند. در این مقاله، پس از مرور پژوهش های انجام شده در مورد توانایی پیش بینی مدل های خود توضیح جمعی میانگین متحرک (ARIMA) و شبکه های عصبی مصنوعی (ANN) به مقایسه این دو روش برای پیش بینی نرخ روزانه ارز در دوره مارس 2006 تا فوریه 2009 پرداخته شده است. نتایج تحقیق نشان داده است که روش شبکه های عصبی تخمین های بهتری نسبت به روش ARIMA ارایه می کند. در این پژوهش، از ابزارهای محاسباتی نرم افزار MATLAB و داده های اقتصادی ایران استفاده شده است.
۴۰.

پیش بینی قیمت آمونیاک با رویکرد تحلیل های بنیادین، تکنیکی و شبکه عصبی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد مقداری بهار ۱۳۸۸ شماره ۱ (پیاپی ۲۰)

کلیدواژه‌ها: پیش بینی تحلیل تکنیکی شبکه عصبی GMDH قیمت آمونیاک قیمت گاز طبیعی تحلیل بنیادین

حوزه های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد بخشی،اقتصاد صنعتی،کشاورزی،انرژی،منابع طبیعی،محیط زیست اقتصاد صنعتی ساختار بازار،استراتژِ بنگاه و عملکرد بازار تولید،قیمت گذاری و ساختار بازار،توزیع سایز بنگاه ها در بازار
  2. حوزه‌های تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصادسنجی:موضوعات خاص شبکه های عصبی و موضوعات مربوطه
تعداد بازدید : ۲۵۲۸ تعداد دانلود : ۱۵۶۶
با توجه به اهمیت پیش بینی در حوزه مسایل مالی و اقتصادی محققان همواره در تلاشند که از روش های دقیق تری در این زمینه بهره بگیرند تا به درک نسبی بهتری از وضعیت آینده بازار دست یافته، از نااطمینانی ها بکاهند. در این مقاله از شبکه عصبی GMDH مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیر خطی پویای پیچیده، برای پیش بینی قیمت آمونیاک استفاده شده است. برای اتنخاب متغیرهای اثرگذار بر قیمت آمونیاک از دو روش تحلیل بنیادین و تکنیکی استفاده شده است. روش تحلیل بنیادین با تکیه بر تئوری عرضه و تقاضا و نگرش کلان اقتصادی، همه عوامل اثرگذار احتمالی بر قیمت را برای مدل سازی و پیش بینی قیمت به محقق پیشنهاد می کند، سپس با تکیه بر توانایی الگوریتم GMDH در شناسایی متغیرهای زاید، از میان همه عوامل اثرگذار احتمالی تنها از عناصر اثرگذارتر بر قیمت آمونیاک استفاده شده است تا پیش بینی های دقیق تر و بدون تورشی ارایه شود. دقت پیش بینی های انجام شده در بازه مورد بررسی بیش از 99 درصد است. در روش تحلیل تکنیکی، پیش بینی ها با تکیه بر رفتار گذشته قیمت در همان بازار (در اینجا آمونیاک خاورمیانه) نتایج دقیقی را به دست داده است. برتری شبکه عصبی GMDH در دقت پیش بینی قیمت آمونیاک نسبت به روش ARIMA در بخش پایانی مورد تایید قرار گرفته است.