مطالب مرتبط با کلیدواژه
۱۲۱.
۱۲۲.
۱۲۳.
۱۲۴.
۱۲۵.
۱۲۶.
۱۲۷.
۱۲۸.
۱۲۹.
۱۳۰.
۱۳۱.
۱۳۲.
۱۳۳.
۱۳۴.
۱۳۵.
۱۳۶.
۱۳۷.
۱۳۸.
۱۳۹.
۱۴۰.
پیش بینی
پیش بینی قیمت خرده فروشی و عمده فروشی ماهی قزل آلا با استفاده از شبکه عصبی مصنوعی و مدل ARMA(مقاله علمی وزارت علوم)
حوزه های تخصصی:
توجه به ثبات نسبی و پیش بینی قیمت، می تواند نقش مهمی در کنترل ناپایداری قیمت ها و درنهایت کاهش ریسک بازار داشته باشد. در موضوع پیش بینی، مهم ترین بخش مقایسه ی روش های مختلف است. در این پژوهش با مقایسه ی قدرت پیش بینی دو روشARMA و شبکه ی عصبی مصنوعی و با انتخاب روش بهتر، قیمت های هفتگی خرده فروشی و عمده فروشی ماهی قزل آلا پیش بینی می شود. در این مطالعه از شبکه ی پیش خور که از نوع شبکه های پس انتشار (Back Propagation) است، استفاده می شود. داده های مورد استفاده در مطالعه شامل قیمت های هفته ی اول فروردین 1388 تا هفته ی آخر شهریور 1390 می باشد. قبل از استفاده از روش های پیش بینی تصادفی یا غیرتصادفی بودن داده ها مورد بررسی قرار گرفت. بر اساس آزمون های تصادفی بودن والد-ولفویتز، والیس-مور و دوربین-واتسون هر دو سری قیمت غیرتصادفی و قابل پیش بینی هستند. بر اساس آزمون ایستایی داده ها (دیکی-فولر تعمیم یافته) سری ها در سطح ایستا می باشند. نتایج پیش بینی نشان می دهد که مدل ARMA در مقایسه با مدل شبکه عصبی مصنوعی، بر اساس چهار معیار ارزیابی دقت پیش بینی، میزان خطای کمتری دارد در نتیجه قدرت بالاتری در پیش بینی قیمت ماهی قزل آلا دارد. در مدل شبکه عصبی 80% داده ها برای آموزش شبکه و 20% برای داده های آزمایشی در نظر گرفته شد. نتایج آزمون برابری دقت دو روش (MGN) نشان می دهد مدل ARMA در پیش بینی قیمت خرده فروشی و قیمت عمده فروشی نیز به طور معنی داری بهتر از مدل شبکه عصبی است.
پیش بینی میزان صادرات خرمای ایران با استفاده ازروش های اقتصادسنجی و هوش مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مطالعه با استفاده از روش های اقتصادسنجی ARMA ، GARCH و روش های هوش محاسباتی، شبکه ی عصبی مصنوعی و الگوریتم ژنتیک اقدام به پیش بینی میزان صادرات خرمای ایران برای دوره ی 1395-1389 شد. به منظور انجام بررسی ها از داده های مربوط به دوره ی زمانی 1388-1346 استفاده گردید. از داده های دوره ی 1384-1346 به منظور مدل سازی و از داده های 4 سال آخر برای بررسی قدرت پیش بینی استفاده شد. نتایج مطالعه نشان داد که شبکه ی عصبی در مقایسه با سایر روش ها از خطای پیش بینی کمتری برخوردار است. بعد از شبکه ی عصبی الگوریتم ژنتیک دارای کمترین خطا بوده و معیار های عملکرد نشان دهنده ی توانایی الگوریتم ژنتیک در پیش بینی میزان صادرات خرما می باشند. با توجه به برتری شبکه ی عصبی در پیش بینی میزان صادرات خرمای ایران، پیش بینی های صورت گرفته توسط این مدل، روند افزایشی-کاهشی در میزان صادرات خرمای ایران را نشان می دهد.
مقایسه قدرت پیش بینی روش های شبکه های عصبی مصنوعی و ARIMA در پیش بینی صادرات پوست و چرم ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی متغیرهای اقتصادی به عنوان یک ابزار مفید برنامه ریزی از اهمیت ویژه ای در مباحث علمی برخوردار است. روش های متنوعی وجود دارد که برای پیش بینی در مطالعات اقتصادی مورد استفاده قرار می گیرد. هدف مطالعه حاضر شناسایی روش کارا برای پیش بینی صادرات پوست و چرم ایران است. برای این منظور الگوی خودتوضیح جمعی میانگین متحرک[1]، روش شبکه های عصبی مصنوعی[2] و ترکیب الگوی خودتوضیح جمعی میانگین متحرک با شبکه های عصبی مصنوعی با استفاده از داده های سری زمانی دوره 89-1350 مورد مقایسه قرار گرفتند. یافته های این پژوهش نشان داد که روش ترکیبی(شامل شبکه های عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک) که سری زمانی صادرات را به دو جزء خطی و غیرخطی تجزیه می کند، نسبت به روش شبکه های عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک دقت و کارایی پیش بینی بهتری دارد. علاوه بر این، روش ترکیبی دقیق ترین روش شناخته شده در این پژوهش، صادرات پوست و چرم ایران در سال های آتی را بیشتر از دو روش دیگر ارائه کرد. اما همانند دو روش دیگر، روند صادرات پوست و چرم در سال های آتی را کاهشی پیش بینی می کند.
ارتباط بین قابلیت تصویرسازی ذهنی با حس حرکت دختران ورزشکار و غیر ورزشکار(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از پژوهش حاضر، بررسی ارتباط بین قابلیت تصویرسازی ذهنی با حس حرکت دختران ورزشکار و غیر ورزشکار می باشد. جامعه آماری پژوهش را دانش آموزان دختر 8 تا 11 سال، 12 تا 15 سال و دانشجویان 20 تا 23 سال تشکیل دادند و نمونه آماری نیز شامل 20 نفر ورزشکار و 20 نفر غیرورزشکار از هر رده سنی (120نفر) بود که به روش تصادفی انتخاب شدند. ابزارهای جمع آوری داده ها، پرسش نامه وضوح تصویرسازی حرکت 2، پرسش نامه دست برتر چاپمن، آزمون تنظیم زاویه دست برتر بهرامی و پرسش نامه جمعیت شناختی بودند. یافته ها نشان دادند که هم بستگی مثبت و معناداری بین قابلیت تصویرسازی ذهنی و خطای حس حرکت دختران ورزشکار و غیر ورزشکار 12 تا 15 سال و 20 تا 23 سال وجود دارد؛ اما، این ارتباط برای دختران ورزشکار و غیرورزشکار 8 تا 11 سال معنادار نمی باشد. از سوی دیگر، قابلیت تصویرسازی ذهنی می تواند خطای حس حرکت ورزشکاران و غیر ورزشکاران را پیش بینی کند. بر اساس نتایج پژوهش حاضر پیشنهاد می شود که این سازه توسط مشاوران روان شناختی و پژوهشگران در درمان ها و مطالعات بعدی مورد توجه قرار گیرد.
پیش بینی تبخیر با استفاده از شبکه عصبی مصنوعی و سیگنالهای اقلیمی در حوضه دز(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تبخیر از پدیده های مهم چرخه آبشناختی است و تخمین و پیش بینی آن در مدیریت و برنامه ریزی اصولی آب ضروری می باشد، به همین خاطر به پیش بینی این پدیده در حوضه دز که بخش مهمی از آب مصرفی کشور را تأ مین می کند پرداخته شده است. در شبیه سازی تبخیر و بررسی امکان پیش بینی آن ازمدل شبکه عصبی مصنوعی با بهره گیری از نرم افزار نروسلوشن استفاده گردیده که آمار مربوط به تبخیر در 4 ایستگاه همدید با حداقل 19 سال آمار ماهانه و داده های مربوط به مهمترین شاخص های آب و هوایی، مورد تجزیه و تحلیل قرار گرفته است. نتایج پژوهش نشان می دهد که مهمترین شاخص های مرتبط با تبخیر در حوضه شامل نینا 3، اس. دبلیومونسون، ام.ای.آی، نینا 1، نینا 4 و نینا 3/4 می باشد. مقایسه داده های مشاهده ای تبخیر و خروجی شبکه عصبی مصنوعی همبستگی بالا بین این داده ها را نشان می دهد، به طوریکه میزان این همبستگی در ایستگاه خرم آباد 79 درصد، دزفول 94 درصد، کوهرنگ 80 درصد و اراک 72 درصد است. با توجه به خروجی شبکه عصبی و داده های مربوط به شاخص های آب و هوایی می توان با دقت بالای 98 درصد به پیش بینی تبخیر درحوضه اقدام نمود.
شبیه سازی تغییرات و پیش بینی سرعت باد در ایران با استفاده از داده های آماری پنجاه ساله (2010 - 1961)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
باد یکی ازعناصراصلی د راقلیم هرمنطقه است که تغییرات آن می تواند برروی پد ید ه هایی مانند طوفان های گرد وغباری وشد ت تبخیروتعرق تأثیرگذارباشد . این پژوهش باهد ف پیش بینی سرعت باد تاسال 2020 د رایران بامد ل هالت- وینترزوبااستفاد ه ازداده های یک د وره آماری 50 ساله (1961-2010) انجام گرفت. نتایج نشان د اد که این مد ل به خوبی توانایی پیش بینی سرعت باد راد ربیشترمناطق کشورد ارد . مقاد یرضریب تبیین این مد ل د ر 34 ایستگاه مورد بررسی بین 0/39 د رآباد ان تا 0/80 د ربابلسرمتغیربود ومقاد یرخطاد ربیشترایستگاه های مورد مطالعه د رحد قابل قبولی قرارد اشت. همچنین نتایج نشان د اد که این مد ل مقاد یرحد ی سرعت بادرانیزد ربیشترایستگاه ها به خوبی شبیه سازی کرد ه است. نتایج حاصل ازمد ل هالت- وینترزبرای پیش بینی سرعت باد تاسال 2020 حاکی ازآن است که سرعت باد د ر نیمه شرقی کشوروهمچنین د امنه های جنوبی البرزکه ازنظراقلیمی خشک ونیمه خشک هستند ،تاسال 2020 افزایش خواهند یافت د رحالی که مناطق نیمه غربی،جنوبغربی ومرکزی کشورروند کاهشی سرعت باد راتجربه خواهند کرد . بیشترین مقد ارافزایش سرعت باد تاسال 2020 د رایستگاه گرگان وبه مقد ار 1/8 متربرثانیه وبیشترین مقد ارکاهش سرعت باد د رایستگاه های جنوبغربی کشوررخ خواهد د اد به نحوی که د رایستگاه آباد ان سرعت باد تاسال 2020 از 6/31 متربرثانیه کنونی به 4/48 متربرثانیه کاهش خواهد یافت.
پیش بینی تغییرات هیدرولوژیکی تراز آب دریاچه ی ارومیه با رویکرد به طرح های فرضی متفاوت گرمایش جهانی در دهه های آینده(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از انجام این پژوهش، مدل سازی تغییرات تراز دریاچه ی ارومیه در بستر گرمایش جهانی است. برای دست یافتن به این هدف و شبیه سازی مقادیر دما و بارش کشور تا سال 2100، از نتایج دو مدل گردش عمومی جوMIROC_3-2_MEDRES و MPI_ECHAM5 و سه طرح فرضی a1b ، a2 و b1 استفاده شده است. در ادامه برای مدل سازی آماری تغییرات تراز دریاچه ی ارومیه با استفاده از روش رگرسیون چند متغیره، از تأثیر تغییرات چهار مؤلفه ی مستقل دما، بارش، نوع اقلیم (روش دمارتن) و خشکسالی (روش SPI) با تأخیر یک ساله نسبت به متغیر وابسته (تراز دریاچه) استفاده شد. آنچه از میانگین تمام طرح های فرضی برای دوره ی مطالعاتی 2010 تا 2100 به دست آمده است، نشان می دهد که به طور میانگین دما به میزان 73/0+ درجه سانتی گراد و بارش به مقدار 44/9- میلی متر نسبت به دوره ی مشاهداتی 1968 تا 2009 تغییر خواهند کرد. همچنین میانگین کلی تمام طرح های فرضی تا سال 2100 از کاهش شاخص اقلیمی دمارتن به مقدار 10/0- درصد در هر دهه خبر می دهد. اما آنچه از مدل سازی آماری به دست آمد، نشان دهنده ی بیشترین کاهش تراز آب دریاچه به میزان 73/2- متر در هر دهه تا سال 2100 برای خروجی های مدل MPI_ECHAM5 و طرح فرضی a1b و کمترین تغییرات کاهشی تراز دریاچه به میزان 28/2- متر برای مدل و طرح فرضی MPI_ECHAM5/b1 تا سال مورد نظر است. به هرحال آنچه از مجموع تمام طرح های فرضی نتیجه شد، وجود روند کاهشی و معنادار تراز آب دریاچه ی ارومیه (میانگین 50/2- متر) برای هر دهه از سال 2010 تا 2100 است که می تواند تأثیر بسیار سوء و نامناسبی بر محیط زیست دریاچه و اطراف آن داشته باشد.
مقایسه مهارت مدل های استوکاستیک و شبکه ها ی عصبی مصنوعی در مدل سازی و پیش بینی مقادیر و طبقات شاخص بارندگی استاندارد شده(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از پژوهش پیش رو، مقایسه کارایی مدل های استوکاستیک و شبکه های عصبی مصنوعی در پیش بینی کمّی شاخص بارندگی استاندارد شده (SPI) در اقلیم های خشک و مرطوب ایران است. برای این امر، محاسبه SPI، در مقیاس های زمانی سه ماهه، شش ماهه و دوازده ماهه در چهار ایستگاه سینوپتیک کشور طی دوره 2007-1973 انجام شد. در گام بعد، مدل سازی سری های زمانی SPI برای پیش بینی های یک تا دوازده گام به جلو، به سه روش مدل سازی استوکاستیک، شبکه عصبی بازگشتی (RMSNN) و شبکه عصبی مستقیم (DMSNN) انجام گرفت. مقادیر SPI مربوط به دوره 1973 تا 2000، برای توسعه مدل ها و مابقی برای صحت سنجی مدل ها مورد استفاده قرار گرفت. در مرحله صحت سنجی، مقایسه مقادیر مشاهده شده و پیش بینی شده SPI با استفاده از آزمون های آماری، ضریب همبستگی و شاخص خطا انجام شد. همچنین برای بررسی قابلیت مدل ها در پیش بینی طبقات SPI، از آماره کاپای کوهن استفاده شد. در نهایت، اولویت دقت مدل ها از دیدگاه هایی چون، افق زمانی پیش بینی و مقیاس زمانی بررسی خشکسالی تعیین شد. نتایج به دست آمده نشان داد: 1) در مقیاس زمانی سه، شش و دوازده ماهه، به طور کلی مدل های استوکاستیک (به ترتیب با میانگین خطای 678/0، 569/0 و 344/0 و میانگین ضریب همبستگی 682/0، 777/0 و 919/0) از نظر مهارت پیش بینی مقادیر SPI در اولویت کاربرد قرار دارند. 2) در مقیاس زمانی سه، شش و دوازده ماهه به ترتیب، مدل های DMSNN ، RMSNN و استوکاستیک (با میانگین کاپای 397/0، 530/0 و 750/0) از نظر مهارت پیش بینی طبقات SPI در اولویت کاربرد قرار دارند.
پیش بینی مقدار تغییرات سالانه خط ساحلی دریای خزر (محدوده دلتای رودخانه ای گرگان رود)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امواج، جریان های دریایی و باد تحت تأثیر نوسان های سطح آب دریا، تغییرات زیادی بر مناطق ساحلی تحمیل می کند. در این پژوهش، پیش آمدگی دلتای رودخانه ای گرگا ن رود در مصب بررسی شده است. هدف این تحقیق، بررسی مقدار تغییرات خط ساحلی با استفاده از دو روش مختلف و پیش بینی موقعیت آیندة این خط است. با تهیه و پردازش تصاویر ماهواره ای در نرم افزار ENVI و رقومی سازی آنها در نرم افزار ARCGIS9.3، بررسی مقدار تغییرات و پیش بینی آیندة موقعیت خط ساحلی با استفاده از روش برش های عرضی ارزیابی شد. با توجه به طول پیش آمدگی دلتا در داخل دریای خزر و مقدار تغییر متوسط سالانة 2/40 متر به روش مقدار نقطة پایانی، پیش آمدگی قاعدة دلتای گرگان رود به داخل دریا طی 112 سال اخیر شکل گرفته است. نتایج نشان می دهد مقدار متوسط تغییرات سالانه در محدودة بررسی شده با روش نقطة پایانی و مقدار میانگین، به ترتیب معادل2/40 و 1/61 متر در سال است. در بین دو روش استفاده شده، روش مقدار نقطة پایانی برای پیش بینی تغییرات دوره های کوتاه مدت و روش مقدار میانگین برای پیش بینی تغییرات دوره های بلندمدت کارایی بهتری دارد.
چشم اندازی به فلسفه پیشگویی های تاریخی قرآن کریم
حوزه های تخصصی:
از جمله موضوعات مهم مطرح شده در قرآن کریم، اخبار غیبی است که در آن به پیشگویی وقایع و حوادث آینده پرداخته شده است. با توجّه به اینکه افعال الهی هدفمند است و بیان این اخبار در قرآن کریم از جمله افعال الهی به شمار می رود، این پیشگویی ها نیز دارای اهداف خاص و بلند مرتبه ای است. در این مقاله با بیان ویژگی های بارز پیشگویی های تاریخی قرآن کریم، ذکر نمونه ها و مصادیق آن و سپس با بررسی مهم ترین اهداف این پیشگویی ها، به تبیین و تحلیل آن پرداخته شده است. دستاورد این مقاله گویای این مهم است که اخبار و پیشگویی های قرآن کریم همچون دیگر موضوعات مطرح شده در این معجزه جاوید، دارای اهداف گوناگون است که از جمله آن می توان به اهدافی همچون: اثبات نبوّت پیامبر اکرم صلی الله علیه و آله، توجّه دادن به علل و اسباب غیر مادّی، تقویّت روحی مومنان و مسلمانان، توجّه دادن به علم و قدرت الهی، برقراری رابطه بین عملکرد انسان ها و آینده اشاره کرد.
تنظیم بازار سیمان خاکستری در سال 1387(مقاله علمی وزارت علوم)
حوزه های تخصصی:
سیاستگزار یهای ارشادی و راهبردی، سرمایه بری، انرژی بری و آلایندگی بالای تولید
سیمان ایجاب می کند که ساختار تقاضای این کالا با توجه به محدودیت های عرضه آن
به نحو مقتضی مطالعه شود. از ای نرو، این مقاله میک وشد با دو شیوه بررسی مؤلف ههای بازار
و استنتاج از تابع تقاضا )با استفاده از روش برآوردهای خودرگرسیونی با وقف ههای تاخیری(،
مصرف سیمان در سال 1387 را بررسی میک ند. یافته های تحقیق حاضر با عنایت به این مهم
که طی سال های گذشته، مصرف سیمان کشور همواره از سوی عرضه تهدید شده است،
نشان می دهد که در ایران قیمت این نهاده، هزینه های عمرانی دولت و ارزش افزوده بخش
ساختمان، تأثیر قابل توجهی بر افزایش تقاضای این محصول داشت ه است. بر این اساس، دولت
از طریق تعیین قیمت، تخصیص بودجه های عمرانی برای گسترش ظرفیت تولیدی اقتصاد،
ایجاد فرهنگ مناسب مصرف و کمک به بازاریابی صادراتی، نقش مؤثری در تنظیم بازار
سیمان و نوسا نهای ناشی از آن دارد.
پیش بینی بازده بورس اوراق بهادار تهران با استفاده از مدل های میانگین متحرک (MA) و میانگین متحرک با ورودی های خارجی (MAX)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تحقیق حاضر با هدف مدل سازی و پیش بینی بازده بورس اوراق بهادار تهران با استفاده از مدل های میانگین متحرک و میانگین متحرک با ورودی های خارجی صورت پذیرفته است. تحقیق حاضر ابتدا به بررسی موضوع بازده و انواع بازده پرداخته و سپس عوامل موثر بر بازده را که منتج از مبانی تئوریک مالی و تحقیقات مرتبط می باشد، شناسایی نموده است. در ادمه موضوع پیش بینی و روش های متداول آن بررسی و انواع مدل های پیش بینی بازده بازار سرمایه به تفصیل مورد بررسی قرار گرفته است. در قسمت بعدی روش تحقیق و نحوه تحلیل داده ها بررسی شده است. سپس از مدل رگرسیون خطی کلاسیک برای پیش بینی بازده بورس اوراق بهادار تهران استفاده گردیده و پس از آنکه نتایج آزمون های تشخیصی دلالت بر تاثیرپذیری متغیر وابسته از میانگین متحرک یک تا ده خود می باشد از مدل های MA و MAX جهت پیش بینی بازده بورس اوراق بهادار تهران استفاده گردید. پس از تخمین مدل های مذکور و تایید قدرت تصریح آنها از طریق بکارگیری آزمون های تشخیصی ، بازده بورس اوراق بهادار تهران برای 4 دوره آتی پیش بینی گردید. پیش بینی های صورت پذیرفته با استفاده از مدل های تخمینی با داده های واقعی مورد مقایسه قرار گرفته و مدل بهینه با استفاده از معیارهای اطلاعاتی آکائیک، شوارزبیزین و حنان-کوئیک و همچنین معیار MSE,MAE,MAPE انتخاب گردید. نتیجه نهایی موید برتری مدل MAX بر مدل MA می باشد
تاثیر تفکیک اجزای جریان های نقدی در پیش بینی جریان های نقدی عملیاتی آتی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
صورت جریان وجوه نقد و اجزای مربوط به آن از جمله اطلاعاتی است که افراد آن را در هنگام تصمیم گیری مدنظر قرار می دهند. اطلاعات مربوط به اجزای جریانهای نقدی حائز اهمیت است و به پیش بینی جریانهای نقدی آینده کمک می کند. با توجه به اهمیت جریانهای نقدی و محتوای اطلاعاتی اجزای آن، هدف تحقیق حاضر بررسی تاثیر تفکیک اجزای جریانهای نقدی در پیش بینی جریانهای نقدی عملیاتی آتی در شرکتهای پذیرفته شده بورس اوراق بهادار می باشد، به نحوی که نتایج حاصله از این تحقیق در تصمیم گیری های سرمایه گذاران و قیمت گذاری آنها مورد استفاده قرار می گیرد.
برای این منظور اطلاعات 130 شرکت پذیرفته در بورس اوراق بهادار، طی دوره زمانی 1382 تا 1389 مورد بررسی قرار گرفته است. مطالعه حاضر از نوع بررسی همبستگی بوده و به منظور آزمون فرضیه های تحقیق از تکنیک داده های تلفیقی استفاده شده است. نتایج تحقیق حاکی از این بود که اجزای جریانهای نقدی عملیاتی تاریخی ازتوانایی بیشتری برای پیش بینی جریانهای نقدی عملیاتی آتی نسبت به جریانهای نقدی عملیاتی تاریخی برخوردار است.
پیش بینی دماهای ماهانه ایستگاه های منتخب استان اصفهان با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی دما یکی از مهمترین پیش بینی های هواشناسی است. امروزه بخشهای کشاورزی و صنعت وابستگی زیادی به شرایط دمایی(آب و هوا)دارند. دما نیز در کنار بارش یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی در پهنه بندی و طبقه بندی آب و هوایی به حساب می آید. هدف از انجام این تحقیق پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان میباشد که پس از تعیین موقعیت و بررسی دوره آماری موجود سه ایستگاه همدید ازن سنجی اصفهان، شرق اصفهان و کاشان انتخاب شدند. برای بررسی و پیش بینی دمای ماهانه از مدل شبکه عصبی مصنوعی استفاده شد. شبکه های عصبی مصنوعی توانایی زیادی در شبیه سازی و پیش بینی عناصر جوی وآب و هوایی دارند. شبکه عصبی مصنوعی یکی از قدرتمندترین مدلهایی است که قادر به دریافت و نمایش پیچیده روابط ورودی و خروجی داده ها می باشد. یکی از پرکاربردترین مدلهای شبکه عصبی مدل پرسپترون چند لایه(MLP) میباشد. برای تعیین بهترین ورودی های شبکه پس از سعی و خطای بسیار در نهایت ساختاری با استفاده از میانگین دمای 7 ماه قبل برای پیش بینی دمای ماه بعدی انتخاب گردید. بدین ترتیب دمای ماهانه برای 24 ماه آینده پیش بینی شد که در این حالت بهترین همبستگی را بین داده ها نشان داد .بدین منظور از نرم افزار مت لب 2013 استفاده شده و برنامه نویسی در این محیط صورت گرفت. در تمام ساختار های شبکه از یک لایه پنهان متشکل از 30 نرون استفاده شد. تمامی ایستگاه ها با یک لایه پنهان به جواب رسیدند و نیازی به افزایش تعداد لایه های پنهان تشخیص داده نشد. برای آموزش شبکه از الگوریتم مارکوارت –لونبرگ استفاده شد و تمامی شبکه ها با تابع محرک تانژانت هیپربولیک به جواب مطلوب رسیدند.در نتیجه میتوان گفت استفاده از این مدل در پیش بینی دمای ماهانه موفقیت آمیز بود.
پیش بینی شاخص های تولید چغندرقند در ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف کلی مطالعه حاضر، پیش بینی شاخص های تولید چغندرقند(سطح زیر کشت، تولید و قیمت) در ایران است. برای این منظور الگوهای خودرگرسیون، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، شبکه عصبی و خودرگرس یون ب ا واری انس ناهمسانی شرطی برآورد و بهترین الگو انتخاب شد. بررسی آزمون تصادفی بودن (دوربین واتسون) سری های سطح زیرکشت، تولید و قیمت چغندرقند مبین غیرتصادفی متغیرها بود. براساس نتایج حاصل از محاسبه معیار کمترین خطای پیش بینی، مناسب ترین الگو برای پیش بینی سری های سطح زیرکشت، تولید و قیمت چغندرقند به ترتیب الگوهای شبکه عصبی، ARMA و ARIMA می باشند. لذا استفاده از روش های مذکور به شرط ثابت بودن شرایط، نتایجی با کمترین خطا به دست خواهد داد. نتایج همچنین نشان داد هر سه شاخص تولید چغندرقند(شامل: سطح زیر کشت، تولید و قیمت) طی دوره 1392 -99 روند افزایشی داشته با این ملاحظه که روند افزایشی سطح زیرکشت و تولید بسیار ملایم تر از روند افزایشی قیمت چغندرقند بوده است. طبقه بندی JEL: Q11,D12,C32,C22
پیش بینی وضعیت آبدهی زاینده رود با استفاده از سری زمانی مورد شناسی: شرق جلگه اصفهان(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی میزان آب در دسترس، یکی از مؤلّفه های مهم و تأثیرگذار در برنامه ریزی و مدیریت منابع آب بوده و برآورد آن در مقیاس های زمانی مختلف، از اهمیت ویژه ای در برنامه ریزی کشاورزی برخوردار است. یکی از روش های مطالعاتی پیش بینی، روش سری های زمانی است؛ برای این منظور، و مدل های مختلفی ارائه شده اند که از آن جمله می توان مدل های سری زمانیARIMA، MA و AR را برشمرد. در این تحقیق، عملکرد هریک از مدل های یاد شده در برآورد و تخمین مقادیرآتی میزان آب زاینده رود طی سال های1385 تا 1391 به صورت 72 سری داده ماهانه مورد بررسی قرار گرفت. نتایج نشان داد که مدل سری زمانی AR12عملکرد بهتری نسبت به سایر مدل ها دارد و روند تغییرات سری زمانی را با خطای کمتری شبیه سازی می کند.
کاربرد حالات دمای روزانه در پیش بینی حالات بارش روز بعد ایران
حوزه های تخصصی:
این تحقیق درصدد است قابلیت حالت دمایی یک روز در پیش بینی حالت بارشی روز بعد را بر اساس روش احتمال شرطی مورد بررسی قرار دهد. برای دستیابی به این هدف داده های شبکه ای با تفکیک زمانی روزانه، از 01/01/1340 تا 11/10/1383 و با تفکیک مکانی (یاخته های) 15 15 کیلومتر، مورد استفاده قرار گرفت. براساس توزیع احتمال مربوط به دمای هر یاخته و هر روز، صدک های 25 و 75 توزیع فراوانی دمای روزانه هر یاخته برای هر روز برآورد گردید. در هر یاخته، روزهایی که دمای روزانه آن کم تر از صدک 25 دمای همان روز بود، به عنوان روزی سرد، روزهایی که دمای آن یاخته برابر یا بیش تر از صدک 75 آن یاخته و همان روز بود، به عنوان روزی گرم و دمای روزانه هر یاخته که بین صدک 25 و صدک 75 همان روز قرار گیرد، به عنوان روزی با دمای بهینه در نظر گرفته شد. روزهای فاقد بارش روزهایی که بارش کم تر از میانگین توزیع مربوط به هر یاخته و روز داشته اند، روزهای کم باران و روزهایی که برابر یا بیش تر از میانگین توزیع هریاخته و روز، بارش را تجربه کرده اند، به عنوان روز پرباران در نظر گرفته شد. در گام بعد فراوانی توأم رویدادهای دمایی هر روز و رویدادهای بارشی روز بعد برای هر یاخته در یک ماتریس ارائه شد. سپس ماتریس احتمال توأم هریک از رویدادهای دمایی - بارشی نسبت به هریک از حالات بارشی محاسبه شد. در نهایت احتمال شرطی هر یک از رخدادهای دمایی با حالت بارش روز بعد برای هر یاخته محاسبه شد. در نهایت نقشه ها و تحلیل های مربوط به هر حالت ارائه گردید. براساس یافته های این تحقیق معلوم شد که احتمال توأم رخداد حالات دما و حالات بارش در سرزمین ایران علی رغم کم بود همبستگی و فقدان قابلیت اعتمادِ قابل توجه، حاوی الگوی زمانی – مکانی است. با این وصف پیش بینی بارش هر روز براساس دمای روز قبل محتمل تر از روزهای پیشین است. در برخی مکان ها نظیر سواحل جنوبی ایران به ویژه سواحل دریای عمان و نیز سواحل خلیج فارس در بوشهر روزهای پربارش بعد از روز سرد محتمل تر است. در حالی که در شمال غرب کشور، شمال تنگه هرمز، سواحل خوزستان و نیز ناحیه سیستان روزهای بدون بارش بعد از روز سرد محتمل تر می باشد. روزهای بدون بارش بعد از یک روز معتدل در جنوب و غرب خوزستان و نیز در نواری نسبتاً عریض از غرب تنگه هرمز تا جنوب بلوچستان بیش از 80 درصد مواقع، محتمل است.
عملکرد مدل های مختلف خود رگرسیون برداری بیزی جهت پیش بینی متغیرهای کلان اقتصادی ایران: کاربرد روش نمونه گیری گیبس(مقاله علمی وزارت علوم)
حوزه های تخصصی:
داشتن تورمی پایین و رشد اقتصادی پایدار، هدف نخست سیاستگذاران اقتصادی است که برای رسیدن به این هدف طلایی، پیش بینی قابل اطمینان از متغیرهای کلان اقتصادی نقش مهمی ایفا می کند. در این مطالعه سعی شده است تا عملکرد مدل های خودرگرسیون برداری بیزی با اطلاعات (Priors) متفاوت برای پیش بینی متغیرهای کلان در اقتصاد ایران ارزیابی شود. ویژگی منحصر به فرد این مقاله استفاده از الگوریتم گیبس برای تخمین مدل BVAR و مقایسه آن با دو مدل BVAR شبه بیزی است که در آنها از اطلاعات نرمال ویشارد ( (Normal Wishardومینستا Minnesota )) استفاده شده است، جهت ارزیابی دقت پیش بینی متغیرهای کلان اقتصادی است. در این مطالعه مقایسه دو مدل BVAR شبه بیزی فوق و BVAR با الگوریتم گیبس با توزیع پیشین یکسان مینستا نشان می دهد که مقدار MSFE در پیش بینی متغیر های اقتصادی برای 4 دوره در مدل BVAR با الگوریتم گیبس کمتر بوده و این مدل در کل عملکرد بهتری در پیش بینی متغیرهای کلان اقتصادی فوق نسبت به مدل های شبه بیزی دارد.
رویکرد مهندسی جدید برای پیش بینی نوسان شاخص های بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
سرمایه گذاران و مسؤولان بورس اوراق بهادار به منظور دست یابی به تصویر مناسبی از روند بازار بورس، عملکرد شرکت ها و توانایی ارزیابی گذشته جهت پیش بینی آینده، از شاخص های بورس اوراق بهادار استفاده می کنند. مطالعات اخیر نشان می دهد که همبستگی غیرخطی در شاخص های بازار سهام وجود دارد. به همین منظور، این مطالعه الگوریتم جدید حداقل میانگین مربعات خطا مبتنی بر کرنل که الگوریتم آنلاین و غیرخطی است را برای پیش بینی نوسان شاخص های بورس اوراق بهادار تهران پیشنهاد و به کار می گیرد و عملکرد آن را با الگوریتم شبکه های عصبی مبتنی بر حداقل میانگین مربعات خطا در افق های زمانی کوتاه مدت، میان مدت و بلندمدت مقایسه می کند. نتایج این بررسی نشان می دهد که الگوریتم حداقل میانگین مربعات خطا مبتنی بر کرنل دارای عملکرد مناسبی جهت پیش بینی نوسان شاخص های سهام می باشد. با این حال، نتایج پیش بینی الگوریتم بر اساس معیارهای میانگین مربعات خطا، مجذور میانگین مربعات خطا، میانگین مربعات خطای نرمالیزه شده، قدر مطلق میانگین خطا، صحت جهت پیش بینی، صحت روند پیش بینی رو به بالا و صحت روند پیش بینی روبه پایین در افق های زمانی کوتاه مدت، میان مدت و بلند مدت نشان می دهد که پیش بینی انجام شده توسط الگوریتم حداقل میانگین مربعات خطا مبتنی بر کرنل دارای عملکرد بهتری نسبت به پیش بینی با الگوریتم شبکه های عصبی مبتنی بر حداقل میانگین مربعات خطا می باشد.