مطالب مرتبط با کلیدواژه

پیش بینی

۶۱.

پیشبینی حق بیمه عمر از طریق شبکه های عصبی و مدل های ARIMA

نویسنده: صفیار امینی

منبع: صنعت بیمه سال بیست و پنجم تابستان ۱۳۸۹ شماره ۲ (پیاپی ۹۸)

کلیدواژه‌ها: پیش بینی شبکه های عصبی روش ARIMA حق بیمه عمر

حوزه های تخصصی:

حوزه‌های تخصصی مدیریت مدیریت بازرگانی مدیریت بیمه

تعداد بازدید : ۱۲۹۲ تعداد دانلود : ۶۱۲

بیمه عمر به عنوان یکی از محصولات صنعت بیمه، نقش مهمی در تعیین و تضمین آتیه خانواده ها دارد. طبیعی است که در چنین شرایطی پیش بینی حق بیمه عمر می تواند برنامه ریزان و سیاست گذاران را در دست یابی به اهداف و برنامه ها یاری کند. در این پژوهش جهت پیش بینی حق بیمه دریافتی در بیمه عمر از روش شبکه های عصبی و از روش باکس - جینکینز استفاده شده است. نتایج حاصل از پیش بینی درون نمونه ای برای سال های 1387-1383 نشان داد که باتوجه به معیار RMSE، بهترین مدل برای پیش بینی حق بیمه عمر، مدل شبکه های عصبی است. بعد از آن به پیش بینی برون نمونه ای برای سال های 1393-1388 از حق بیمه عمر دریافتی با استفاده از دو روش باکس جینکنز و شبکه های عصبی پرداخته شده است.

۶۲.

پیش بینی دماهای حداکثر با استفاده از مدل شبکه عصبی مصنوعی مطالعه موردی: شهرستان اردبیل(مقاله علمی وزارت علوم)

نویسنده: برومند صلاحی سید اسعد حسینی حسین شایقی بهروز سبحانی

منبع: تحقیقات جغرافیایی سال بیست و پنجم پاییز ۱۳۸۹ شماره ۳ (پیاپی ۹۸)

کلیدواژه‌ها: شبکه های عصبی مصنوعی پیش بینی دمای حداکثر شهرستان اردبیل

حوزه های تخصصی:

حوزه‌های تخصصی جغرافیا

تعداد بازدید : ۱۷۴۷ تعداد دانلود : ۱۵۲۸

با توجه به تغییرات اقلیمی، گرمایش جهانی و خشکسالیهای اخیر، پیشبینی دماهای حداکثر به عنوان یکی از مهمترین پارامترهای اقلیمی فرصت مناسبی را برای برنامهریزی و ارائه تمهیدات لازم در اختیار برنامهریزان قرار میدهد. بررسی و تحلیل دماهای حداکثر به عنوان یکی از پارامترهای اقلیمی در مدیریت منابع آبی و طبیعی، کشاورزی، گسترش آفات و بیماریها، ذوب برف و سیلاب، تبخیر و تعرق، خشکسالی و غیره اهمیت زیادی دارد. امروزه با گسترش مدلهای هوشمند و تجربی در علوم مختلف، از جمله اقلیم شناسی و لزوم پیشبینیهای دقیقتر، جایگزینی آنها به جای مدل های قدیمی اهمیت پیدا میکند. یکی از این روشها، شبکههای عصبی مصنوعی از مؤلفههای هوش مصنوعی است که یکی از مهمترین کاربردهای آن در زمینه علوم جوی، پیش بینی و محاسبه پارامترهای اقلیمشناسی است. در این تحقیق با استفاده از متغیرهای میانگین رطوبت نسبی، میانگین سرعت باد، مجموع ساعات آفتابی، میانگین حداقل و حداکثر دمای ماهانه به عنوان ورودی شبکه پرسپترون چندلایه (MLP)، میانگین حداکثر دمای ماهانه ایستگاه سینوپتیک اردبیل پیشبینی شد. پارامترهای مذکور سالهای آماری 1985 تا 2005 را در بر میگیرند. از 21 سال دوره آماری موجود، حدود 85 درصد آن یعنی 18 سال (216 ماه) برای آموزش شبکه و 3 سال (36 ماه) باقیمانده در مرحله آزمون شبکه به کار برده شده است. بدین منظور از امکانات و توابع موجود در نرم افزار MATLAB بهرهگرفته شد و برای هر ماه یک شبکه با خطای کمتر از 5 درصد طراحی گردید. پس از بررسی شاخصهای عملکرد شبکه، از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، میانگین درصد خطا و ضریب همبستگی مشاهده شد که پیشبینی دمای حداکثر با دقت قابل قبولی انجام شده است؛ به گونهای که میزان ضریب همبستگی آن 99/0 و بیشترین اختلاف آن با دادههای واقعی برابر 83/0 درجه سانتیگراد بوده است.

۶۳.

پیش بینی بارش اصفهان با استفاده از شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده: امیرحسین حلبیان محمد دارند

منبع: تحقیقات کاربردی علوم جغرافیایی سال دوازدهم پاییز ۱۳۹۱ شماره ۲۶

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

حوزه های تخصصی:

حوزه‌های تخصصی جغرافیا

تعداد بازدید : ۱۱۷۷ تعداد دانلود : ۵۶۳

بارش مهمترین سنجهی هواشناسی و اقلیمی است. در این پژوهش به منظور پیشبینی بارش اصفهان از داده های بارش ماهانهی ایستگاه همدید اصفهان در بازهی آماری (1951-2009) به مدت 59 سال و به دلیل رفتار غیرخطی بارش از شبکه های عصبی مصنوعی جهت پیشبینی آن بهره گرفته شد. در این ارتباط، 70 درصد دادهها جهت آموزش شبکه و 30 درصد داده ها برای تست و اعتبار سنجی اختصاص داده شد. نتایج پژوهش بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف آشکار ساخت که استفاده از شبکه های عصبی مصنوعی با یک پرسپترون با 2 لایه پنهان و ضریب یادگیری 4/0 نسبت به سایر حالتها و معماری شبکه، مدل نسبتاً بهتری را ارائه میکند. به بیانی دیگر، دادههای پیش بینی شده بارش ماهانه توسط شبکه با چنین ساختار و معماری، بیشتر با واقعیت انطباق دارد. آموزش مجدد شبکه و آزمون شبکه با لایه های پنهان و ضرایب مختلف یادگیری در ترکیب با الگوریتم ژنتیک نیز 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. بطور کلی می توان گفت که شبکه عصبی به خوبی رابطه غیر خطی بین مقادیر ماهانه بارش را با توجه به آموزش شبکه با خصوصیات ذکر شده، پیش بینی می کند. در عین حال، نتایج حاصل از تصادفی کردن دادهها تفاوتی چندانی با مرتب بودن دادهها برای آموزش شبکه ندارد.

۶۴.

تحلیل آشوب، تجزیه موجک و شبکه عصبی در پیش بینی شاخص بورس تهران(مقاله علمی وزارت علوم)

نویسنده: اسماعیل نادری حسین عباسی نژاد

منبع: تحقیقات مدل سازی اقتصادی تابستان ۱۳۹۱ شماره ۸

کلیدواژه‌ها: پیش بینی بورس تحلیل آشوب تجزیه موجک مدل های شبکه عصبی

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد

تعداد بازدید : ۱۵۴۳ تعداد دانلود : ۸۲۶

این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکه عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دوره زمانی ۵ فروردین ۱۳۸۸ تا ۱۸ اردیبهشت ۱۳۹۱ استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دوره بررسی شده، پیش بینی پذیر بوده و آثار غیرخطی معیّن و آشوبی داشته است. همچنین برطبق معکوس آماره حداکثر نمای لیاپانوف، تعداد روز های پیش بینی پذیر در این مطالعه، ۳۱ روز به دست آمد. یافته دیگر این پژوهش نیز به برتری عملکرد مدل های شبکه عصبی چندلایه پیش خور ( MFNN ) و شبکه عصبی فازی ( ANFIS ) مبتنی بر داده های تجزیه شده به کمک تجزیه موجک در مقابل به کارگیری سطح داده ها دلالت دارد. دراین بین نیز برتری با مدل شبکه عصبی چندلایه پیش خور بوده است.

۶۵.

پیش بینی مؤلفه های رفتار شهروندی سازمانی دبیران بر اساس ویژگی های رهبری خدمتگزار مدیران در مدارس متوسطه شهر نقده(مقاله علمی وزارت علوم)

نویسنده: حسن قلاوندی وحید سلطانزاده علیرضا امیری

منبع: اندیشه های نوین تربیتی دوره هفتم زمستان ۱۳۹۰ شماره ۴

کلیدواژه‌ها: رفتار شهروندی سازمانی پیش بینی رهبری خدمتگزار

حوزه های تخصصی:

حوزه‌های تخصصی روانشناسی

تعداد بازدید : ۱۳۷۹

پژوهش حاضر با هدف پیش بینی مؤلفه های رفتار شهروندی سازمانی دبیران بر اساس ویژگی های رهبری خدمتگزار مدیران در مدارس مقطع متوسطه شهر نقده انجام شده است. با استفاده از روش تحقیق توصیفی از نوع همبستگی، 114 دبیر با توجه به جنسیت به صورت طبقه ای متناسب با حجم به طور تصادفی انتخاب شدند. برای گردآوری داده های پژوهش از پرسش نامه سنجش میزان رهبری خدمتگزار لاب و پرسش نامه رفتار شهروندی سازمانی ارگان استفاده شد. برای روایی پرسش نامه ها از متخصصان علوم تربیتی بهره گرفته شده است. داده های تحقیق با استفاده از آزمون تحلیل رگرسیون چندگانه تحلیل شد. ویژگی های ارزش نهادن به کارکنان، توسعه کارکنان، فراهم نمودن زمینه رهبری، به اشتراک گذاری رهبری، نشان دادن اعتماد و برقراری روابط دوستانه رابطه پیش بینی کننده معنی دار با مؤلفه های رفتار شهروندی سازمانی داشت. بنابراین ویژگی های رهبری خدمتگزار مدیران در بروز رفتار شهروندی سازمانی در دبیران اثر مثبت و معنی داری دارد.

۶۶.

اطلاعات به مثابه علم(مقاله علمی وزارت علوم)

نویسنده: مهدی میرمحمدی

منبع: مطالعات راهبردی سال پانزدهم تابستان ۱۳۹۱ شماره ۲ (پیاپی ۵۶)

کلیدواژه‌ها: علم عینیت پیش بینی اطلاعات روش پژوهش چرخه اطلاعات بی طرفی علمی استقلال اطلاعاتی

حوزه های تخصصی:

حوزه‌های تخصصی مدیریت

تعداد بازدید : ۱۷۵۱ تعداد دانلود : ۹۲۴

نوشتار حاضر به دنبال بررسی ایده «علمی بودن یا امکان مطالعه علمی اطلاعات» است. نویسنده در پاسخ به پرسش پژوهش، با طرح دو فرضیه تشابه روش شناختی اطلاعات و علم و هم سانی هستی شناختی این دو، مدعی علمی بودن فرایند تولید شناخت اطلاعاتی و همچنین، اشتراک ویژگی های هستی شناختی شناخت علمی و شناخت اطلاعاتی است. نویسنده در پایان مقاله بر آن است که علمی بودن یا نبودن اطلاعات، بدون توجه دانشگاهیان به آن در پژوهش های خود، همچنان در حد ادعا باقی خواهد ماند و ورود اطلاعات به موضوعات پژوهشی دانشگاهی است که علمی بودن آن را تضمین خواهد کرد.

۶۷.

بهبود پیش بینی در تحلیل اطلاعاتی؛ مطالعه موردی بی ثباتی سیاسی خاورمیانه(مقاله علمی وزارت علوم)

نویسنده: عبدالمحمود محمدی لرد

منبع: مطالعات راهبردی سال پانزدهم تابستان ۱۳۹۱ شماره ۲ (پیاپی ۵۶)

کلیدواژه‌ها: پیش بینی بی ثباتی سیاسی مدل علی تحلیل اطلاعاتی

حوزه های تخصصی:

حوزه‌های تخصصی مدیریت

تعداد بازدید : ۱۱۲۰ تعداد دانلود : ۶۳۸

در این مقاله سعی شده است مدل های پیش بینی برخی سازمان های اطلاعاتی در خصوص بی ثباتی سیاسی مورد آزمون علمی قرار گرفته و علل ناکارآمدی آنها در پیش بینی دقیق تحولات خاورمیانه تبیین شود. مطابق فرضیه مقاله، مدل های پیش بینی کمّی سازمان های اطلاعاتی، به دلیل اتکا به همبستگی به جای علیّت و فقدان شناخت عمیق از کیس ها و جامعه آماری خود، از قابلیت کمتری برای پیش بینی دقیق تحولات اجتماعی برخوردارند. برای آزمون این فرضیه به صورت علمی، ابتدا پیش بینی مدل های کمّی برخی از سازمان های اطلاعاتی در خصوص تحولات خاورمیانه ارزیابی شده و سپس مدل کیفیِ رقیب برای پیش بینی بی ثباتی سیاسی ابداع شده است.

۶۸.

پیش بینی جریان رودخانه های کارون شمالی با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده: ابراهیم فتاحی مجید دلاور کیوان نوحی

منبع: تحقیقات جغرافیایی سال بیست و هفتم بهار ۱۳۹۱ شماره ۱۰۴

کلیدواژه‌ها: پیش بینی شبکه عصبی مصنوعی الگوریتم ژنتیک سیگنال های اقلیمی کارون شمالی

حوزه های تخصصی:

حوزه‌های تخصصی جغرافیا

تعداد بازدید : ۱۵۵۳ تعداد دانلود : ۸۱۳

پیش بینی جریان رودخانه ها نقش بسزایی در برنامه ریزی، مدیریت و بهره برداری از منابع آب دارد . هدف اصلی این تحقیق بررسی امکان پیش آگاهی و پیش بینی دبی رودخانه های کارون شمالی (رودخانه ارمند و بازفت) با استفاده از روش های نوین شبیه سازی می باشد . در این مطالعه نوسانات جریان رودخانه های ارمند و بازفت در ارتباط با سیگنالهای بزرگ مقیاس اقلیمی بررسی شده است. بدین منظور از داده های ماهانه شاخص نوسان جنوبی (SOI )، نوسان اطلس شمالی (NAO) و پدیده ENSO در مناطق NINO4،NINO3 ، NINO3.4 و NINO1+2 استفاده گردید. تمامی داده های مربوط به سیگنال های اقلیمی از مرکز داده های آنالیز شده NCEP دریافت شد. داده های مربوط به دبی روزانه ایستگاه های هیدرومتری ارمند و مرغک نیز از مرکز داده های وزارت نیرو تهیه گردید. در این مطالعه به منظور طراحی بهینه معماری شبکه عصبی مصنوعی جهت پیش بینی دبی رودخانه ها براساس سیگنال های اقلیمی از الگوریتم ژنتیک بهره گرفته شد. نتایج تحقیق نشان داد که سیگنال های ENSO در ناحیه NINO1+2 و NINO3 به عنوان موثرترین سیگنال بر تغییرات جریان رودخانه های ارمند و بازفت هستند و برای پیش آگاهی از وضعیت دبی رودخانه های کارون شمالی می توان از سیگنال های فوق استفاده کرد.

۶۹.

کاربرد شبکه ی عصبی مصنوعی در شبیه سازی و پیش بینی سیلاب در حوضه ی آبریز سرباز(مقاله علمی وزارت علوم)

نویسنده: حسین نگارش مهدی اژدری مقدم محسن آرمش

منبع: جغرافیا و توسعه تابستان ۱۳۹۲ شماره ۳۱

کلیدواژه‌ها: پیش بینی شبکه عصبی مصنوعی سیل حوضه ی آبریز سرباز

حوزه های تخصصی:

تعداد بازدید : ۱۹۵۱ تعداد دانلود : ۱۰۲۵

بروز سیلاب های سهمگین در اثر تغییرات آب و هوایی طیّ دهه های اخیر سبب بروز خسارات فراوانی در نواحی مختلف دنیا شده است. در نواحی خشک تأثیر این تغییرات محسوس تر است. در این بین استان سیستان و بلوچستان با آب و هوای گرم و خشک، مستعد وقوع سیل می باشد. حوضه ی آبریز سرباز که در قسمت های جنوبی این استان پهناور قرار گرفته، متأثر از شرایط موجود هرساله شاهد وقوع سیل و نتایج مخرب آن می باشد. هدف از این پژوهش پیش بینی سیلاب رودخانه ی سرباز با شبکه عصبی مصنوعی می باشد. در این پژوهش از سه شبکه پرسپترون چندلایه، پس انتشار و Radial Basis جهت پیش بینی سیلاب رودخانه ی سرباز استفاده شد و نتایج این شبکه ها با مدل رگرسیون چند متغیّره مقایسه شده است. برای این منظور از داده های روزانه اقلیمی و هیدرولوژیکی سه ایستگاه سرباز، ایرانشهر و پیردان طیّ یک دوره ی 28 ساله (مهر 1360 تا شهریور 1388) استفاده شد. با بررسی همبستگی بین این داده ها و دبی رودخانه سرباز پارامترهای مؤثر بر سیلاب تعیین شد. پس از نرمالیزه کردن داده ها، مدل های مختلف ایجاد شد. بررسی نتایج نشان داد که شبکه ی منتخبRadial Basisبا همبستگی 97/0 در مرحله ی آموزش و 714/0 در مرحله ی آزمایش و خطای کمتر نسبت به سایر شبکه ها به عنوان بهترین مدل در بین انواع شبکه ی عصبی شناخته شد. مقایسه ی نتایج این شبکه و مدل رگرسیونی نشان می دهد که مدل شبکه عصبی عملکرد مناسب تری دارد و پیش بینی بهتری نسبت به روش رگرسیونی از سیلاب رودخانه ی سرباز ارائه می دهد.

۷۰.

پیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات(مقاله علمی وزارت علوم)

نویسنده: حسین صادقی علی اکبر افضلیان محمود حقانی حسین سهرابی وفا

منبع: تحقیقات مدل سازی اقتصادی زمستان ۱۳۹۱ شماره ۱۰

کلیدواژه‌ها: پیش بینی تقاضا انرژی الکتریکی الگوریتم انبوه ذرات سیستم استنباط عصبی- فازی تطبیقی

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد

تعداد بازدید : ۱۷۴۲ تعداد دانلود : ۸۴۷

با توجه به عدم امکان ذخیره انرژی الکتریکی ، شناسایی عوامل موثر بر تقاضای این حامل انرژی و پیش بینی دقیق روند آتی آن، ضرورت دارد . تاکنون روش های مختلفی در این زمینه مورد استفاده قرار گرفته است که در میان آن ها روش های هوشمند و به ویژه روش های فازی، دارای قابلیت های بیشتری هستند. در مطالعه حاضر از سیستم استنتاج عصبی- فازی ترکیب شده با الگوریتم انبوه ذرات ( PSO -ANFIS ) استفاده شده و پس ازشبیه سازی روند تقاضای بلند مدت انرژی الکتریکی طی دوره 1359 تا 1389 و بررسی کارایی سیستم، روند تقاضای بلندمدت انرژی الکتریکی کل کشور تا سال 1404 پیش بینی شده است. نتایج مطالعه، قدرت بالای الگوریتم ترکیبی انبوه ذرات و سیستم استنتاج عصبی- فازی تطبیقی را در پیش بینی تقاضای بلندمدت انرژی الکتریکی تایید می کند. نتایج نشان می دهد که براساس محتمل ترین سناریو، تقاضای انرژی الکتریکی کشور در سال 1404 به 401 میلیارد کیلووات ساعت خواهد رسید . همچنین ، براساس نتایج بدست آمده، کارایی روش پیشنهادی در پیش بینی متغیرهای مستقل در مقایسه با الگوی خطی ARIMA بیشتر است.

۷۱.

پهنه بندی آسیب پذیری آب های زیرزمینی، با کمک الگوریتم های فازی عصبی (مطالعه موردی: استان زنجان)(مقاله علمی وزارت علوم)

نویسنده: منوچهر فرج زاده اصل عثمان محمدی

منبع: سنجش از دور و GIS ایران سال سوم بهار ۱۳۹۰ شماره ۱ (پیاپی ۹)

کلیدواژه‌ها: پیش بینی زنجان آسیب پذیری ANFIS آب های زیرزمینی

حوزه های تخصصی:

تعداد بازدید : ۲۲۶۹ تعداد دانلود : ۹۷۰

ارزیابی آسیب پذیری آبخوان، کاری سودمند برای توسعه و مدیریت و تصمیم گیری های مربوط به کاربری اراضی، نحوه پایش کیفی منابع آب زیرزمینی و جلوگیری از آلودگی این آب ها به شمار می آید. هدف از این مطالعه، به کارگیری مدل هوشمند ریاضی برای پیش بینی آسیب پذیری آب های زیرزمینی در استان زنجان است و به همین خاطر با استفاده از مدل ANFIS، روش جدیدی برای تخمین آسیب پذیری آب های زیرزمینی ارائه شده است. فرایند توسعه و ارزیابی این مدل با استفاده از مجموعه داده های واقعی و معیارهای آماری صورت گرفته است. بدین منظور با تهیة داده های مورد نیاز شامل عمق سطح آب زیرزمینی، تغذیه خالص، محیط آبخوان، محیط خاک، توپوگرافی، تأثیر منطقه غیراشباع و هدایت هیدرولیکی آبخوان، اقدام به ایجاد مدل ANFIS شد. در مرحلة بعد نتایج حاصل از مدل با داده های واقعی اعتباریابی گردید. طبق نتایج تحقیق، مدل ایجاد شده توان پیش بینی موفقیت آمیز آسیب پذیری آب های زیرزمینی را دارد. مقادیر RMSE و در مرحله آموزش به ترتیب 18/101 و 98/0، و در مرحله ارزیابی 8/173 و 94/0 به دست آمدند. روش ارائه شده در این تحقیق، رهیافت جدیدی در تخمین آسیب پذیری آب های زیرزمینی به شمار می آید و قابلیت اتصال و ترکیب با مدل های دیگر و نیز به هنگام سازی با توجه به شرایط واقعی را به خوبی دارد. در بررسی نتایج حاصل از مدل ANFIS، بیشترین درصد پتانسیل آلودگی دشت مربوط به کلاس آسیب پذیری کم 74 درصد، و کمترین آن مربوط به کلاس خیلی بالا 1 درصد برآورد شده است.

۷۲.

کاربرد الگوریتم انبوه ذرات و الگوریتم ژنتیک در شبیه سازی و پیش بینی تقاضای انرژی

نویسنده: حسین صادقی مهدی ذوالفقاری حسین سهرابی یونس سلمانی

منبع: انرژی ایران دوره پانزدهم تابستان ۱۳۹۱ شماره ۲ (پیاپی ۴۲)

کلیدواژه‌ها: انرژی پیش بینی تقاضا الگوریتم ژنتیک الگوریتم انبوه ذرات

حوزه های تخصصی:

تعداد بازدید : ۲۴۰۶ تعداد دانلود : ۱۳۵۷

مدیریت تقاضای انرژی از اهمیت فراوانی در برنامه ریزی و تامین امنیت اقتصادی کشورها برخوردار است. شناسایی عوامل موثر بر روند تقاضای انرژی کشور و پیش بینی مصرف آتی آن می تواند به سیاست گذاران و فعالان در بازار انرژی در جهت تصمیم گیری های اقتصادی و بهبود عملکرد بازار و تامین امنیت سوخت کشور کمک کند. امروزه روش های نوینی برای مدل سازی و پیش بینی پدیده های مختلف ابداع گشته است که در میان این روش ها الگوریتم های تکاملی جایگاه ویژه ای دارند. در میان الگوریتم های تکاملی، الگوریتم ژنتیک و الگوریتم بهینه یابی انبوه ذرات از جمله شناخته شده ترین و پرکاربردترین روش ها در علوم مختلف می باشند. از این رو، در این مطالعه برای تخمین و پیش بینی روند تقاضای انرژی کشور از الگوریتم های ژنتیک و انبوه ذرات در قالب دو الگوی خطی و نمایی استفاده شده و کارایی آنها مورد ارزیابی قرار گرفته است و با استفاده از کاراترین الگو و روش و بر اساس سناریوهای مختلف، روند آتی تقاضای انرژی کشور تا سال 1404 پیش بینی شده است . نتایج مطالعه نشان دهنده دقت وکارایی بالای الگوی نمایی برآورد شده با استفاده از الگوریتم انبوه ذرات در مقایسه با الگوریتم ژنتیک بوده است. همچنین نتایج مطالعه نشان می دهد که کارایی الگوهای خطی برآورد شده با استفاده از هر دو الگوریتم تفاوت محسوسی ندارند. با این حال، بررسی نتایج الگوها و روش های مختلف برآورد شده کارایی و دقت بالای الگوی نمایی برآورد شده با استفاده از الگوریتم انبوه ذرات را تائید می کند.

۷۳.

پیش بینی درماندگی مالی شرکت ها بوسیله مدل های ماشین بردار پشتیبان و تحلیل ممیزی چندگانه(مقاله علمی وزارت علوم)

نویسنده: محسن مرادی مرتضی شفیعی سردشت ملیحه ابراهیم پور

منبع: بورس اوراق بهادار سال پنجم تابستان ۱۳۹۱ شماره ۱۸

کلیدواژه‌ها: پیش بینی کارایی درماندگی مالی ماشین بردار پشتیبان تحلیل ممیزی چندگانه

حوزه های تخصصی:

حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت مالی

تعداد بازدید : ۱۸۴۸ تعداد دانلود : ۱۲۲۴

توانایی پیش بینی درماندگی مالی شرکت ها به عنوان یکی از حوزه های مدیریت ریسک، از اهمیت ویژه ای برخوردار است. هدف تحقیق حاضر بهبود فرآیند پیش بینی درماندگی مالی با تکیه بر دو بخش مهم در فرآیند مزبور است. برای این منظور ساختار تحقیق در دو بخش پیکربندی شده است. در بخش نخست تمرکز این مقاله بر متغیرهای پیش بین بوده و در بخش دوم نیز بر دو مدل مهم پیش بینی درماندگی مالی شرکت ها تأکید شده است. برای تحقق این هدف مجموعه ای از20 نسبت مالی به همراه امتیاز کارایی به عنوان یک متغیر پیش بین غیر مالی، کاندیدای ورود به دو مدل پیش بینی کننده مهم و در عین حال متفاوت ماشین بردار پشتیبان و تحلیل ممیزی چندگانه شدند. امتیاز کارایی مزبور به وسیله مدل تحلیل پوششی داده ها محاسبه گردیده است. به منظور برآورد متغیرهای تأثیرگذار و همچنین تسریع عملیات پیش بینی، با استفاده از فرآیند انتخاب ویژگی از میان 21 متغیر مورد نظر تعداد 10 نسبت مالی به همراه متغیر غیر مالی کارایی برای ورود به مدل های پیش بینی انتخاب شدند. همچنین به منظور جلوگیری از پدیده فرایادگیری از روش اعتبار سنجی متقابل با 12 زیرمجموعه برای هر یک از مدل های پیش بینی کننده، استفاده گردید. در ادامه به منظور بررسی تأثیر متغیر غیر مالی کارایی، متغیرهای انتخابی یک بار با حضور کارایی و بار دیگر بدون حضور این متغیر به ترتیب وارد مدل های پیش بینی شدند. نتایج بدست آمده حاکی از عدم تغییر دقت کلی این مدل ها بود. بدین ترتیب هیچ یک از فرضیه های تحقیق تأیید نشدند

۷۴.

مقایسه توانایی پیش بینی مدل های ARIMA ،VAR و شبکه های عصبی (ANN): تقاضای جهانی نفت اوپک

نویسنده: شهرام گلستانی مصطفی گرگینی فاطمه حاج عباسی

منبع: اقتصاد محیط زیست و انرژی سال اول پاییز ۱۳۹۱ شماره ۴

کلیدواژه‌ها: پیش بینی اوپک تقاضای جهانی نفت

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد بخشی،اقتصاد صنعتی،کشاورزی،انرژی،منابع طبیعی،محیط زیست اقتصاد انرژی نفت،گاز طبیعی،زغال سنگ،مشتقات نفتی اوپک،ساختار،سهمیه بندی،قیمت گذاری

تعداد بازدید : ۲۶۴۶ تعداد دانلود : ۱۱۵۷

آگاهی از میزان تقاضای آتی نفت به منظور تعیین اولویت ها و انتخاب سیاست ها در راستای دستیابی به رشد و توسعه اقتصادی، برای کشور های عضو اوپک ضروری است. پژوهش حاضر، میزان تقاضای نفت اوپک را با استفاده از الگوهای سری زمانی شامل مدل برداری خودرگرسیونی (VAR)، مدل خودتوضیح جمعی میانگین متحرک (ARIMA) و الگوی جایگزین، شبکه عصبی مصنوعی با بکارگیری داده های ماهانه از ماه اول 2001 تا ماه دهم 2010 پیش بینی می کند. در همین راستا برای سنجش توانایی قدرت پیش بینی الگوهای سه گانه از سه معیار مجموع مربعات خطا، میانگین قدرمطلق خطا و معیار میانگین درصد قدرمطلق خطا استفاده شده است. نتایج بدست آمده نشان می دهد که الگوی VAR با میزان خطای 6 درصد برای مجموع مربعات خطا، 19 درصد میانگین قدرمطلق خطا و 5 درصد میانگین درصد قدرمطلق خطا، مناسب ترین پیش بینی ها را برای تقاضای جهانی نفت اوپک دارد. براساس روش VAR پیش بینی می شود که تقاضا برای نفت اوپک در ماه های سال 2012 رشد داشته باشد. همچنین، پیش بینی روند تقاضای جهانی برای نفت این سازمان تا سال 2015 نشان می دهد تقاضا برای نفت اوپک روند افزایشی دارد اما از سال 2014 سرعت این روند افزایشی، کندتر می شود.

۷۵.

انتخاب مؤلفه های تأثیرگذار بر پیش بینی سود آتی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل ترکیبی شبکه ی عصبی و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده: پیام مکوندی جواد جعفرعلی جاسبی سید حسن علوی

منبع: جستارهای اقتصادی پاییز و زمستان ۱۳۸۷ شماره ۱۰

کلیدواژه‌ها: پیش بینی الگوریتم ژنتیک نسبت های مالی شبکه های عصبی بورس مؤلفه های مؤثر انتخاب مؤلفه سود آتی سهام

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی

تعداد بازدید : ۱۴۱۱ تعداد دانلود : ۶۹۶

تصمیم گیری همواره، یکی از مهم ترین وظایف مدیر بوده، در این بین، پیش بینی نتایج ورودی به سیستم و در حقیقت، نتایج شقوق مختلف تصمیم، جزءِ دغذغه های اصلی فرایندهای بهینه سازی تصمیم بوده است. از سوی دیگر، شناسایی عواملی که بر خروجی تصمیم یا نتیجه ی پیش بینی تأثیرگذارند اهمیت دارند؛ چرا که با شناسایی این عوامل می توان مدل مناسبی برای پیش بینی تدوین و سپس، کسب نتیجه از آن اقدام نمود. یکی از عوامل مهم برای تصمیم گیری سرمایه گذاران در مورد با خرید و فروش سهام یک شرکت، پیش بینی سود نقدی سهام بوده، در این مورد می توان از صورت های مالی در جایگاه ابزاری برای این پیش بینی استفاده نمود؛ بدین ترتیب که نسبت هایی را از صورت های مالی استخراج نموده، بر اساس آنها، مدلی برای پیش بینی سود آتی سهام توسعه داد و در نهایت تصمیم گرفت. در این مقاله سعی شده با استفاده از الگوریتم ژنتیک[1] و تلفیق آن با شبکه ی عصبی مصنوعی[2]، عوامل مؤثر بر پیش بینی سود آتی سهام (شامل نسبت های استخراج شده از صورت های مالی) شناسایی شده، در نهایت، این متغیرهای مؤثر بر خروجی، در مدلی که به مدد شبکه ی عصبی طراحی و برای پیش بینی سود آتی سهام به کار گرفته شوند. برای موردکاوی، به پیش بینی سود نقدی سهام 194 شرکت پذیرفته شده، در بورس توجه شده و 24 متغیر موجود در صورت های مالی که بر اساس نظر خبرگان در تغییرات سود نقدی سهام دخالت دارند، به مدل وارد شده اند. در نهایت، مدل ترکیبی با توجه به دینامیسم موجود بین متغیرهای ورودی، ده متغیر را به عنوان ترکیب بهینه ی متغیرهای تأثیرگذار انتخاب نموده که در مرحله ی دوم، به یک شبکه ی عصبی که برای پیش بینی طراحی شده، وارد شده اند و خطای حاصل از پیش بینی مبنای مقایسه با دیگر روش ها قرار گرفته است.

۷۶.

ارائه مدل پیشبینی شاخص کل قیمت سهام با رویکرد شبکههای عصبی (مطالعه موردی: بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)

نویسنده: علیرضا پاکدین امیری مجتبی پاکدین امیری مرتضی پاکدین امیری

منبع: جستارهای اقتصادی بهار و تابستان ۱۳۸۸ شماره ۱۱

کلیدواژه‌ها: پیش بینی مدل چند عاملی شبکه های عصبی شاخص بورس اوراق بهادار

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی

تعداد بازدید : ۱۷۴۸ تعداد دانلود : ۸۵۸

هدف تحقیق حاضر ارائه مدل پیشبینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکههای عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان میدهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیشبینی شاخص قیمت سهام در بورس اوراق بهادار تهران را دارا میباشد. در پایان مقاله، بحث، نتیجه گیری، پیشنهادات کاربردی و نیز مواردی در خصوص ادامه و پیگیری تحقیقات مشابه در آینده بیان شده است.

۷۷.

بررسی چشم انداز پتانسیل صادراتی و رقابت پذیری محصولات کشاورزی ایران در منطقه خاور میانه و شمال آفریقا(مقاله علمی وزارت علوم)

نویسنده: محمدرضا پاکروان امید گیلان پور

منبع: اقتصاد و توسعه کشاورزی جلد ۲۷ بهار ۱۳۹۲ شماره ۱

کلیدواژه‌ها: ایران محصولات کشاورزی مزیت نسبی پلان تجاری پیش بینی منطقه منا قدرت تجاری

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد بخشی،اقتصاد صنعتی،کشاورزی،انرژی،منابع طبیعی،محیط زیست اقتصاد کشاورزی کشاورزی در تجارت بین الملل

تعداد بازدید : ۱۶۲۷ تعداد دانلود : ۷۲۸

در مطالعه حاضر، پتانسیل رقابت پذیری محصولات کشاورزی ایران و کشورهای منطقه خاور میانه و آفریقای جنوبی (منا) در دوره زمانی 2011-1995 با هم مقایسه شدند. برای این منظور ابتدا شاخص های صادراتی و وارداتی محصولات کشاورزی هر یک از بیست کشور منطقه منا محاسبه و سپس شاخص مزیت نسبی آشکار شده تجارت محصولات کشاورزی این کشورها محاسبه شدند. نتایج به دست آمده نشان می دهد که کشور ایران در دوره زمانی مورد نظر تنها در سال 1998 دارای مزیت نسبی در صادرات محصولات کشاورزی بود. بررسی همبستگی بین شاخص کشورهای منطقه نشان می دهد که ایران در تجارت محصولات کشاورزی با کشورهای لیبی، لبنان، عربستان، عمان و سوریه رابطه مثبت دارد. در واقع چنین استنباط می گردد که مزیت نسبی صادراتی محصولات کشاورزی ایران با کشورهای فوق ارتباط داشته و به منظور گسترش و توسعه صادرات محصولات کشاورزی، باید به سیاست گذاری های تعیین شده از سوی این کشورها نیز توجهات ویژه ای شود تا منجر به کسب بازارهای هدف جدید و افزایش سودآوری تجارت این محصولات گردد. همچنین به منظور آشنایی با چشم انداز صادراتی محصولات کشاورزی، وضعیت مزیت صادراتی ایران در تجارت محصولات کشاورزی با استفاده از روش ARIMA 3 تا سال 1404 پیش بینی شد. نتایج نشان می دهد که شاخص صادراتی ایران در دوره ی پیش بینی شده دارای روند نزولی خواهد بود که نیاز به اعمال سیاست های جدی در جهت کنترل تبعات منفی آن و همچنین اجرای برنامه-های سند چشم انداز توسعه تجارت محصولات غیرنفتی و کاهش تکیه بر درآمدهای نفتی می باشد. همچنین بررسی پلان تجاری ایران نشان می-دهد که کشور در صادرات محصولات کشاورزی در منطقه در سال های 2009-2007 با وجود رشد جهانی واردات محصولات کشاورزی، بازنده در بازار بوده و بازارهای تجاری هدف خود را از دست داده و یا اینکه نتوانسته همگام با رشد واردات جهانی، سهم جدیدی از بازار را کسب نماید.

۷۸.

تبیین در علوم طبیعی(مقاله علمی وزارت علوم)

نویسنده: علی حقی

منبع: فلسفه و کلام سال چهل و پنجم بهار و تابستان ۱۳۹۲ شماره ۹۰

کلیدواژه‌ها: قیاس پیش بینی علیت تبیین استقراء

حوزه های تخصصی:

حوزه‌های تخصصی فلسفه و منطق فلسفه غرب رویکرد موضوعی فلسفه های مضاف فلسفه علم

تعداد بازدید : ۱۱۴۸ تعداد دانلود : ۶۳۷

در این مقاله، پس از درآمد، دو گزارش کم و بیش تفصیلی از تاریخ علم- از خطه دانش پزشکی- نقل شده است تا عیان شود دانشمندان هرگاه با مشکلی رویاروی می شوند. عملاً چگونه آن را حل کرده، تفسیر و تبیین می کنند. سپس از انواع گوناگون تبیین سخن به میان می آید، تعریف و توصیف می شوند. در پی آن، همین تبیین های گوناگون بررسی انتقادی می شوند. در پایان، ابتدا مشرب تجربه گرایی تشریح می شود و سپس به معضل اندیشه سوزی در تجربه گرایی اشارت رفته، مستدل شده است بدون گره گشایی از آن، نمی توان ملتزم به تجربه گرایی شد.

۷۹.

علوم اجتماعی و علوم طبیعی؛ شباهت ها و تفاوت ها(مقاله علمی وزارت علوم)

نویسنده: هادی صمدی

منبع: روش شناسی علوم انسانی سال شانزدهم بهار ۱۳۸۹ شماره ۶۲

کلیدواژه‌ها: علوم اجتماعی موضوع روش پیش بینی قوانین تبیین هدف علوم طبیعی آزمایش

حوزه های تخصصی:

تعداد بازدید : ۳۰۲۲۵ تعداد دانلود : ۲۷۹۶

در فلسفة علوم اجتماعی، عده ای بر شباهت علوم اجتماعی و طبیعی، از حیث موضوع و روش و هدف تأکید دارند و عده ای دیگر به تفاوت های بنیادین میان آنها، در این جنبه ها قائل اند. مهم ترین استدلال های دو دسته برای ادعاهای خود، فهرست وار در این مقاله آمده است. از جمله موضوعات مورد اختلاف که در اینجا بیان شده است، میتوان به آزمایشی بودن یا نبودن علوم اجتماعی، وجود داشتن یا نداشتن قوانین کلی در علوم اجتماعی، و تفاوت های پیش بینی و تبیین در علوم طبیعی و علوم اجتماعی اشاره کرد. آیا موضوعات مورد مطالعه در علوم اجتماعی، ویژگیهای منحصر به فردی مانند معنادار بودن دارند که آنها را به لحاظ ماهیتی، از پدیده های مورد مطالعه در علوم طبیعی متمایز کند؟ آیا از روش های به کار رفته در علوم طبیعی که کارامدی خود را در حیطة مطالعة پدیده های فیزیکی و زیستی نشان داده اند، میتوانیم در مطالعة پدیده های اجتماعی استفاده کنیم؟ اگر پاسخ مثبت است، آیا باید چنین کنیم؟ یا میتوان اهداف متفاوتی، در دو حیطة علوم اجتماعی و طبیعی در نظر گرفت که مانع این کار شود؟ مقالة حاضر به پاسخ های متفاوتی که اشاره میکند در ادبیات فلسفة علوم اجتماعی، به این پرسش ها داده شده است.

۸۰.

درآمدی بر اسلام و آینده پژوهی(مقاله ترویجی حوزه)

نویسنده: محسن منطقی

منبع: اسلام و پژوهش‌های مدیریتی سال اول بهار ۱۳۹۱ شماره ۴

کلیدواژه‌ها: قضا و قدر پیش بینی آینده آینده پژوهی ظهور زندگی جاودان

حوزه های تخصصی:

تعداد بازدید : ۲۴۹۵ تعداد دانلود : ۱۲۲۵

پیش بینی آینده یکی از دغدغه های همیشگی بشر بوده است. امروزه با پیشرفت دانش، ترکیب علوم گوناگون این امکان را به بشر داده است که با استفاده از دانش، مسیر زندگی آینده را طراحی کند. شریعت مقدّس اسلام با بهره مندی از منابع غنی، می تواند شیوه ها و منابع آینده پژوهی را غنا ببخشد. دانشمندان مسلمان با تأمّل در موضوعات مرتبط با آینده پژوهی، مانند زندگی جاودان اخروی، عصر ظهور، قضا و قدر، و پیش بینی های بیان شده در روایات دینی، فصل جدیدی در این دانش ایجاد کرده اند. تبیین آیندة انسان در امتداد زندگی جاودان اخری، از تفاوت های اساسی بین آینده پژوهی اسلامی با آینده پژوهی های متداول است. تبیین تفاوت های آینده پژوهی طراحی شده به وسیلة بشر، با آیندة قطعی وعده داده شدة عصر ظهور از مهم ترین تلاش های علمی دانشمندان این حوزه است. تعمیق تفکر آینده پژوهی نیازمند تبیین رابطه با موضوع «قضا و قدر» است؛ به گونه ای که انسان نقش خود را در تدوین قضا و قدر الهی بداند. همچنین یکی از مسائل مطرح در منابع اسلامی، روایات معتبری است که بخشی از آینده را برای بشر پیش بینی کرده است. این روایات سختی پیش بینی آینده را از دوش بشر برداشته، اما اقدام ها و طرح ریزی برای آینده را بر دوش او نهاده است. آمادگی حوزه های علمیه برای تأمّل در این عرصه ، بستر مناسبی برای تحوّلات در پیش رو فراهم خواهد کرد.