مطالب مرتبط با کلیدواژه
۱۴۱.
۱۴۲.
۱۴۳.
۱۴۴.
۱۴۵.
۱۴۶.
۱۴۷.
۱۴۸.
۱۴۹.
۱۵۰.
۱۵۱.
۱۵۲.
۱۵۳.
۱۵۴.
۱۵۵.
۱۵۶.
۱۵۷.
۱۵۸.
۱۵۹.
۱۶۰.
پیش بینی
حوزه های تخصصی:
هدف این تحقیق بررسی این موضوع است که آیا می توان مدیریت سود را براساس مدل های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق برای پیش بینی مدیریت سود از مدل های مبتنی بر یادگیری ماشین (الگوریتم کلونی مورچه ها و غذایابی باکتری) استفاده شده است. برای این منظور 143 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1388 تا 1392 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از الگوریتم حرکات ذرات اقدام به شناسایی متغیر های معنادار با مدیریت سود شده و در نهایت بوسیله نرم افزار متلب اقدام به پیش بینی مدیریت سود شده است. نتایج برازش الگوریتم غذایابی باکتری و کلونی مورچه ها نشان می دهد که این دو الگوریتم با دقت بالای 98 درصد توانایی پیش بینی مدیریت سود را دارند. نتایج مبین آن است که مدل کلونی مورچه ها توانایی بیشتری (خطای 97/0درصد) در پیش بینی مدیریت سود نسبت به مدل غذایابی باکتری (خطای 19/1 درصد) دارد.
پردازش زمان تکواندوکاران نخبه و غیر نخبه در بازه های زمانی کوتاه و بلند(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از پژوهش حاضر، مقایسة دقت پردازش زمانی تکواندوکاران نخبه و غیر نخبه در بازه های زمانی کوتاه و بلند بود. تعداد 23 نفر از تکواندوکاران نخبه حاضر در اردوی تیم ملی بصورت در دسترس و 23 نفر از تکواندوکاران غیر نخبه باشگاه های شهر تهران به شیوة تصادفی به عنوان نمونه انتخاب شدند. نتایج نشان داد دقت پردازش زمانی تکواندوکاران نخبه در هر دو بازه بطور معناداری از تکواندوکاران غیر نخبه بهتر است. بنابراین می توان دقت پردازش زمان را به عنوان مولفه های ادراکی موثر در نخبگی و استعداد یابی مورد توجه قرار داد.
پیش بینی رفتار اطلاع جویی دانشجویان تحصیلات تکمیلی دانشگاه شیراز بر مبنای ابعاد جهت گیری هدف و خلاقیت(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف: پژوهش حاضر با هدف سنجش امکان پیش بینی رفتار اطلاع جویی دانشجویان تحصیلات تکمیلی بر مبنای جهت گیری های هدف و ابعاد خلاقیت انجام شده است. روش پژوهش: از بین جامعه دانشجویان تحصیلات تکمیلی دانشگاه شیراز، نمونه ای مشتمل بر 221 نفر (134 دختر و 87 پسر) به شیوه ی نمونه گیری طبقه ای خوشه ای انتخاب شد. ابزار گردآوری داده ها شامل پرسشنامه های رفتار اطلاع-جویی (خسروجردی و دیگران 1388)، جهت گیری هدف به شیوه محقق ساخته و پرسشنامه مدادی کاغذی چندگزینه ای سنجش خلاقیت (عابدی 1372) بود که توسط دانشجویان تکمیل شد. پایایی پرسشنامه ها به روش آلفای کرونباخ و روایی آن ها به شیوه تحلیل گویه، تعیین شد. نتایج آزمونها بیانگر روایی و پایایی مطلوب پرسشنامه ها بود. داده های پژوهش با استفاده از آزمون رگرسیون چندگانه مورد تحلیل قرار گرفت. یافته های پژوهش: یافته های حاصل از رگرسیون چندگانه نشان داد که الف) همه ی ابعاد جهت گیری های هدف پیش بینی کننده ی مثبت برای بعد قضاوت ربط رفتار اطلاع جویی می باشند. ب) بعد جهت گیری پرهیز از شکست و بعد بسط خلاقیت پیش بینی کننده ها ی مثبت و بعد سیالی خلاقیت، پیش بینی کننده ی منفی برای بعد زمان به عنوان عامل انگیزاننده می باشند.ج) بعد جهت گیری معطوف به یادگیری و جهت گیری پرهیز از شکست پیش بینی کننده های مثبت برای بعد تایید دانش پیشین رفتار اطلاع جویی می باشند. د) بعد جهت گیری معطوف به یادگیری و بعد ابتکار خلاقیت پیش بینی کننده های مثبت برای بعد خلق اندیشه های نو رفتار اطلاع جویی می باشند. ه) بعد تلاش برای جست و جوی اطلاعات در رفتار اطلاع جویی تنها از طریق بعد جهت-گیری معطوف به یادگیری به صورت مثبت و معنادار قابل پیش بینی است. نتیجه گیری: با توجه به وجود رابطه مثبت و معنی دار بین ابعاد جهت گیری هدف و خلاقیت با رفتار اطلاع جویی و امکان پیش بینی رفتار اطلاع جویی دانشجویان از طریق متغیرهای روان شناختی فوق، می توان بیان نمود که موفقیت یا عدم موفقیت دانشجویان در اطلاع جویی و دسترسی به اطلاعات و همچنین عملکرد بهینه در فعالیت های پژوهشی نه تنها محصول مهارتهای تخصصی آنها بلکه برگرفته از مسائل روان شناختی همچون ابعاد جهت گیری هدف و خلاقیت می باشد.
مقایسه ی مدل استنتاج فازی و شبکه ی عصبی مصنوعی در برآورد عمق سنگ کف آبخوان مطالعه ی موردی: خراسان جنوبی- آبخوان بیرجند(مقاله علمی وزارت علوم)
حوزه های تخصصی:
آب زیرزمینی یکی از مهمترین منابع آب در مناطق خشک و نیمه خشک است. با توجه به کاهش سطح آب زیرزمینی بر اثر برداشت غیرمجاز در بیشتر دشت های ایران، دبی چاهها پس از مدت کوتاهی به میزان زیادی کاهش یافته و این مهم لزوم برنامه ریزی منابع اب را مورد توجه قرار می دهد. تعیین ضخامت آبرفت و نوع مصالح تشکیل دهنده ی آبخوان ها یکی از موارد ضروری جهت برنامه ریزی برای توسعه ی شهر و طراحی زیرساخت های آن می باشد. با توجه به اهمیّت عمق برآورد سنگ کف آبخوان ها جهت برآورد حجم و برنامه ریزی منابع آب در این تحقیق کارایی مدل های شبکه ی عصبی مصنوعی و سیستم های استنتاج فازی عصبی در میزان عمق سنگ کف و پهنه بندی آن در بخش های مختلف آبخوان مورد بررسی قرار گرفت. در این تحقیق از پارامترهای طول و عرض جغرافیایی، شوری، تراز سطح آب و زمین به عنوان ورودی ها استفاده شد و تلاش شد تا مدل مناسب برای پیش بینی سنگ کف تعیین گردد. نتایج این مطالعه نشان داد که مدل شبکه ی عصبی مصنوعی با ضریب تبیین 835/0 و میانگین مجذور خطای 88/49 متر با ورودی های تراز آب زیرزمینی، طول و عرض جغرافیایی دقت بالاتری نسبت به مدل های نروفازی در برآورد عمق سنگ بستر دارد
پیش بینی شاخصهای جابه جایی مسافر با استفاده از مدل زنجیرة مارکوف هلتوینترز(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این پژوهش از مدل زنجیرة مارکوف هلتوینترز که ترکیبی از مدلهای هلتوینترز و زنجیرة مارکوف
است، به منظور پیشبینی مقدار شاخصهای جابهجایی مسافر که از تغییرات فصلی برخوردارند، استفاده شده
است. در همین راستا، دادههای مربوط به شاخصهای تعداد مسافر جابهجا شده و تعداد سفرهای مسافری انجام
شده در استان بوشهر طی فصول سالهای 1881 الی 1851 مورد تحلیل قرار گرفتند. در ابتدا، دادههای مربوط به
هر یک از شاخصها طی بازة مورد بررسی به دو بخش تقسیم شده و دادههای بخش دوم با استفاده از روش
هلتوینترز پیشبینی شدند. سپس با محاسبة خطای مقادیر واقعی و پیشبینی شده و طبقهبندی آنها، از مدل
زنجیرة مارکوف هلتوینترز به منظور پیشبینی مقادیر شاخصها بر حسب احتمالات مربوط به حالت خطاها و
بهبود عملکرد مدل هلتوینترز در پیشبینی استفاده شد. نتایج حاصل از مقایسة دقت دو مدل هلتوینترز و
زنجیرة مارکوف هلتوینترز نشان داد که مدل زنجیرة مارکوف هلتوینترز از دقت بالاتری در پیشبینی
برخوردار است.
مقایسه سیستم های هوش مصنوعی (ANFIS و ANN) و رگرسیون لجیت در پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بانک ها به عنوان بخش اصلی نظام مالی نقش کلیدی را در تأمین مالی بخش های مختلف اقتصادی بر عهده دارند. یکی از مهم ترین موضوع های مطرح شده در زمینه ی مدیریت مالی و بازار یابی مالی، این است که سرمایه گذاران فرصت های مناسب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهندو مدیران مدیریت مالی موثر و کارآمد در تامین منابع مالی داشته باشند. یکی از راه های کمک به سرمایه گذاران، ارائه ی الگوهای پیش بینی ورشکستگی شرکت ها است. تا به امروز تکنیک های مختلفی برای طراحی مدل های پیش بینی ورشکستگی شرکت ها مورد استفاده قرار گرفته است. از آنجا که مطالعات اخیر در زمینه ی پیش بینی ورشکستگی ، بر ایجاد و به کارگیری هوش مصنوعی و روش های یادگیری ماشینی متمرکز شده است، لذا در پژوهش حاضر به منظور پیش بینی ورشکستگی شرکت ها از شبکه های عصبی-فازی(ANFIS)و شبکه های عصبی مصنوعی(ANN) و رگرسیون لجیت(LR) به عنوان مدل مقایسه ای وبرای پیاده سازی مدل ها، از نرم افزار متلب نسخه 2015 استفاده شده است. نمونه ی تحت بررسی شامل 71 شرکت ورشکسته و 74 شرکت سالم می باشد که طی یک دوره 5 ساله از سال 1389 الی1394از بورس اوراق بهادر تهران انتخاب شده اند. یافته های تحقیق حاکی از آن است که در پیش بینی ورشکستگی شرکت ها، مدل مبتنی بر شبکه های عصبی مصنوعی(ANN) نسبت به مدل مبتنی بر شبکه های عصبی-فازی(ANFIS) و رگرسیون لجیت(LR) از دقت کلی بیشتری برخوردار است.
پیش بینی مصارف گاز خانگی و تجاری برای یک دوره پنج ساله شهر اصفهان با استفاده از شبکه های عصبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بخش های خانگی و تجاری بیشترین سهم مصارف گاز طبیعی در کشور را به خود اختصاص داده است. بنابراین، پیش بینی میزان مصارف این دو بخش برای شرکت ملی گاز ایران بسیار حائز اهمیت است. در این مقاله، برای مصارف خانگی و تجاری گاز طبیعی شهر اصفهان ساختار مناسبی از مدل شبکه عصبی انتخاب و طراحی شده است. برای یافتن یک ساختار مناسب شبکه عصبی، سه ساختار متفاوت با نام های دینامیک، هرس کامل و شبکه شعاع براساس تابع بررسی شده است. داده های واقعی مصارف گاز 10 سال (1381 تا 1390) برای پیش بینی مصارف (1391 تا 1395) استفاده شده است. به منظور پیش بینی مصارف خانگی و تجاری گاز طبیعی، متغیرهای مستقل جمعیت، دما، تعداد مشترکین و قیمت گاز انتخاب شده اند. ساختارهای شبکه عصبی با یکدیگر و با سایر روش های سنتی پیش بینی از جمله رگرسیون و سری های زمانی مقایسه گردید. نتایج حاکی از آن است که ساختار منتخب هرس کامل مدل شبکه عصبی برای این داده ها از سایر ساختارها و مدل های پیش بینی سنتی کارآمدتر و دقیق تر است و این مدل تا سال 1395 برای بخش خانگی افزایش مصرف و برای بخش تجاری کاهش در مصرف گاز طبیعی شهر اصفهان را پیش بینی کرده است. براساس بررسی های انجام شده، تاکنون پژوهشی برای پیش بینی مصارف گاز طبیعی خانگی و تجاری شهر اصفهان با مقایسه بین ساختار های مختلف طراحی مدل شبکه عصبی و انتخاب بهترین ساختار، صورت نگرفته است.
تحلیل و پیش بینی اثرات غیرخطی در بازار نفت(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب جهت مدل سازی و پیش بینی نوسانات قیمت نفت خام ایران می باشد. لذا، سعی شده است تا تحلیل جامعی از پیش بینی قیمت این نهاده ارایه گردد، به همین منظور، ضمن بررسی ماهیت مقوله پیش-بینی پذیری به کمک آزمون های نسبت واریانس، BDS و نیز آزمون آشوب گونه بودن این سری، به تحلیل ساختار خطی و یا غیرخطی بودن آن پرداخته شده و پس از تأیید آشوب گونه بودن سری بازدهی قیمت نفت بر اساس آزمون توان لیاپانوف و نیز وجود ویژگی حافظه بلندمدت، مهر تأییدی بر رد فرضیه بازارهای کارا و قبول فرضیه بازارهای فرکتال بوده است. سپس با علم به ویژگی-های ذاتی سری بازدهی قیمت نفت، به کمک ترکیب مدل های مبتنی بر حافظه بلندمدت و تجزیه موجک، به انتخاب بهترین مدل ممکن پرداخته شد. نتایج این مطالعه بر مبنای آزمون GPH، مبین وجود ویژگی حافظه بلندمدت در سری بازدهی و نوسانات قیمت نفت بوده و همچنین به کارگیری تکنیک تجزیه موجک را برای داده های پر تلاطم، مؤ ثر دانسته است، چرا که بر اساس معیارهای سنجش خطای پیش بینی MSE و RMSE مدل ترکیبی مبتنی بر حافظه بلندمدت و تجزیه موجک در مقایسه با مدل حافظه بلندمدت با داده های تجزیه نشده، از عملکرد دقیق تری برخوردار بوده است.
بررسی تغییر دما و ارزیابی امکان پیش بینی آن در استان اردبیل بر اساس روش های آماری و سیستم استنتاج فازی- عصبی تطبیقی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
با توجه به تاثیر دمای هوا بر جوانب مختلف زندگی بشر و لزوم مطالعه ی نحوه ی تغییرات و پیش بینی آن، در این مطالعه با استفاده از تحلیل های آماری تغییرات دمای میانگین، حداقل و حداکثر ماهانه، در طول دوره ی آماری 24 ساله (از ماه ژانویه ی سال 1987 تا ماه دسامبر سال 2010 به طول 288 ماه) در ایستگاه های استان اردبیل بررسی، و در ادامه امکان پیش بینی دما با استفاده از سیستم استنتاج فازی - عصبی تطبیقی ارزیابی شد. نتایج حاصل نشان داد که روند تغییرات دمای ماهانه در ایستگاه های استان اردبیل طی دوره ی مورد مطالعه افزایشی بوده است. شدت افزایش دمای حداقل بیشتر از دمای حداکثر و میانگین بود. بر اساس نتایج پیش بینی، رابطه ی مشخصی بین ویژگی های آماری داده ها و خطاهای پیش بینی وجود داشت. هرچه دامنه ی تغییرات داده ها کمتر، واریانس و انحراف معیار آنها بیشتر بوده و امکان پیش بینی مقادیر داده ها بیشتر است. در اکثر موارد در فصول سرد سال نوسان مقادیر دمای ماه ها در سال های مختلف بیشتر بوده است، مدل در پیش بینی این موارد دچار خطای بیشتری شده است. در اکثر موارد مدل دمای ماه های فصول گرم سال را که روند مشخص تری دارند بهتر پیش بینی کرده است. در کل بر اساس نتایج این تحقیق سیستم استنتاج فازی - عصبی تطبیقی در اکثر موارد کارایی قابل قبولی در پیش بینی دمای میانگین، حداقل و حداکثر ماهانه در ایستگاه های استان اردبیل داشته است.
ارزیابی مدل ابر زلزله با برآورد نرخ همبستگی میان رویدادهای زلزله و پیش بینی آنها در ایران برای سه ماهه چهارم 2009
حوزه های تخصصی:
مدل ابر زلزله بر اساس فعالیت های تجربی و تحقیقاتی «ژونگهائو شو» در سال 2004 ارائه شده است و طبق پیش بینی های وی برای سازمان زمین شناسی آمریکا در سال های 2003-1994 این مدل با احتمال بیش از 72 درصد، کارایی خود را ثابت کرده است. این در حالی است که در کشورمان تا کنون ارزیابی علمی و دقیقی از این مدل تجربی ارائه نشده است. هدف اصلی تحقیق حاضر ارزیابی مدل ابر زلزله برای پیش بینی تعداد دفعات رویداد زلزله در طی یک بازه زمانی محدود است. برای این منظور تعداد دفعات رویداد زلزله با بزرگای بیشتر از 2.5 ریشتر در گستره سرزمینی ایران مورد توجه قرار گرفت. برای تشکیل بانک اطلاعاتی از دو مرجع استفاده شد: یکی مجموعه تصاویر ماهواره ای هواشناسی با سری زمانی نیم ساعته برای ماه های اکتبر، نوامبر و دسامبر 2009 که توسط اداره کل هواشناسی استان خراسان رضوی در اختیار قرار گرفت و دیگری بولتن زلزله شناسی و کاتالوگ زمین لرزه های ایران در سه ماهه چهارم سال 2009 که توسط شبکه ملی لرزه نگاری باند پهن ایران زیر نظر پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله تهیه شده است. ابتدا ابرهای زلزله بر روی تصاویر ماهواره ای هواشناسی در بازه زمانی مورد نظر تعیین شدند. تعداد این ابرهای زلزله در نقشه شبکه بندی ایران با ابعاد پیکسلی 2×2 درجه بر پایه مختصات ریاضی WGS و در برنامه GIS ژئورفرنس شدند. در نهایت پس از انطباق تعداد زلزله های به وقوع پیوسته در پیکسل های متناظر، نرخ همبستگی تراکم ابرهای زلزله با تعداد زمین لزره ها، معناداری مطلوبی به میزان 0.837 و R2معادل 0.7 را نشان داد. همچنین یافته های این تحقیق نشان داد که مدل ابر زلزله توانایی پیش بینی 69% از کل زلزله های بزرگتر از 2.5 ریشتر را برای ایران در بازه زمانی مورد تحقیق دارد.
بررسی الزامات تورم یک رقمی در اقتصاد ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این پژوهش عوامل مؤثر بر شکل گیری نرخ تورم و الزامات حصول تورم یک رقمی را در اقتصاد ایران بررسی می کند. این مهم با استفاده از مبانی نظری معمول، مطالعه های تجربی تورم، تجربه حاصل از دوره گذار کشورهای با نرخ تورم بالا، شرایط خاص ایران و مدل اقتصادسنجی مناسب انجام گرفته است. همانگونه که انتظار می رود برای تحقق تورم یک رقمی سیاست های کنترل کسری بودجه دولت با تأکید بر کاهش هزینه و افزایش درآمدهای مالیاتی، کنترل حجم پول، خصوصی سازی، اصلاحات ساختاری، کاهش سهم نفت در تولید کشور و عزم ملی الزامی است. در بررسی عوامل مؤثر بر شکل گیری تورم در اقتصاد ایران با استفاده از مدل خودرگرسیون برداری با وقفه ملاحظه می شود نقدینگی در بلندمدت و کوتاه مدت با یک وقفه، بیشترین اثر را در تعیین نرخ تورم دارد. کسری بودجه، درآمدهای نفتی و نرخ رشد تولید ناخالص داخلی نیز از عوامل مؤثر دیگر هستند. بر اساس مدل برآوردی و پیش فرض رشد متغیرها بر اساس روند 10 سال گذشته، نرخ تورم سال 94 برابر با 5/23 درصد است. در حالت بدبینانه اگر سیاست های پولی و مالی گذشته دنبال شود، نرخ تورم پیش بینی شده سال 94 معادل 41 درصد خواهد بود.
پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی پدیده های اقتصادی ساختاری فراهم می کند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم های درست یاری دهد. هدف اصلی این مطالعه پیش بینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روش های سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده می شود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار گرفته می شوند. در این مقاله از آمار سال 1374 تا 1390 استفاده شده است. بمنظور انجام بررسی، داده های سالانه به داده های ماهانه تبدیل شدند. نتایج مطالعه نشان دادند که از نظر معیار MAPEمقدار تابع خطا برای مدل ARIMA،0771/0بیش ترین مقدار خطا و مدل شبکه عصبی RBF با خطای 5-10× 9328/7 کم ترین خطا و بهترین مدل سازی را دارد. افزون بر این، با روش RBF ،دقیق ترین روش شناخته شده این پژوهش، پیش بینی تولید آبزیان دریایی برای دو سال آینده انجام شد.
مقایسه توانایی سود عملیاتی، جریان وجوه نقد عملیاتی و اجزای اقلام تعهدی در پیش بینی جزیان های نقد عملیاتی آتی شرکت ها(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی وجوه نقد برای دوره های آتی، از مهم ترین ضروریت های مدیریت واحدهای اقتصادی است. سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان اطلاعات حسابداری برای اتخاذ تصمیم های مالی و سرمایه گذاری، نیازمند اطلاعات مربوط به جریان های نقدی هستند.هدف از این مقاله بررسی توانایی سود عملیاتی، جریان وجه نقد عملیاتی، مجموع اقلامی تعهدی و اجزای اقلام تعهدی در پیش بینی جریان وجه نقد عملیاتی آتی می باشد. از این رو اطلاعات 96 شرکت تولیدی طی دوره زمانی 1382-1389 مورد بررسی قرار گرفت. در این تحقیق با اجرای الگوی رگرسیون خطی چندگانه به صورت داده های تابلویی اقدام به ارائه الگوی رگرسیونی مناسب شد. نتایج نشان می دهد که سود عملیاتی، جریان وجه نقد عملیاتی و اجزای اقلام تعهدی در پیش بینی جریان وجه نقد عملیاتی آتی موثر می باشند.
تحلیلی بر رشد فضایی سکونتگاه های غیررسمی و پیش بینی روند آن در ایران (نمونه موردی: سکونتگاه های غیررسمی شهر خوی)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
اسکان غیررسمی شیوه زندگی مابین زندگی روستایی و شهری است که از ویژگی های اکثر کشورهای در حال توسعه است و جوانه زنی آن با آغاز صنعتی شدن بوده، اما آهنگ رشد سکونتگاه های غیررسمی از روند شهرنشینی که دنباله رو توسعه است، تبعیت می کند. پژوهش حاضر با هدف شناخت هسته اولیه و روند رشد فضایی سکونتگاه های غیررسمی شهر خوی با استفاده از تصاویر ماهواره ای LandSat انجام گرفت. در این راستا ابتدا تصاویر ماهواره ای مربوط به سال های ۱۳۵۵، ۱۳۶۸، ۱۳۷۹ و ۱۳۹۰ تهیه شد و سپس با استفاده نرم افزارهای ERDAS و ARC GIS فرآیند مربوط به پردازش تصاویر و تجزیه و تحلیل نتایج انجام یافت. نتایج پژوهش نشان می دهد که هسته اولیه سکونتگاه های غیررسمی خوی در قسمت شمالی شهر (محله جمشیدآباد) شکل گرفته و مساحت آن در دهه های بعدی افزایش یافته است، به طوری که مساحت این سکونتگاه ها از ۸۴/۳۱ هکتار (۸/۲ درصد) در سال ۱۳۵۵ به ۰۵/۹۱۳ هکتار (۰۵/۷۹ درصد) در سال ۱۳۹۰ افزایش پیدا کرده است و بیشترین رشد مساحت بین سال های ۱۳۶۸-۱۳۷۹ با ۴۹۶ هکتار اتفاق افتاده است. همچنین در این پژوهش روند رشد فضایی سکونتگاه های غیررسمی برای افق ۱۴۰۵ با استفاده از ترکیب روش زنجیره مارکوف و سلول های خودکار مدل سازی شد که نتایج حاکی از افزایش سطح این سکونتگاه ها به ۳۵/۱۰۳۶ هکتار می باشد که رشد ۱۲۳ هکتاری را نسبت به سال ۱۳۹۰ نشان می دهد.
پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی نوسان های آینده شاخص سهام می تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش بینی در این پژوهش، رگرسیون بردار پشتیبان بهینه شده به وسیله الگوریتم حرکت تجمعی ذرات می باشد. در برازش مدل رگرسیون بردار پشتیبان، سه پارامتر توضیحی وجود دارد که باید ترکیبی از این سه پارامتر توسط کاربر و به صورت آزمایش و خطا انتخاب شود تا دقت مدل را به بیشترین حد خود برساند. با توجه به زمان بر بودن و کارایی پایین انتخاب پارامتر توسط کاربر، برای انتخاب ترکیب بهینه پارامترهای مدل رگرسیون بردار پشتیبان، از روش بهینه سازی حرکت تجمعی ذرات استفاده شده است که الگوریتمی قوی در حوزه بهینه سازی می باشد. با توجه به حجم زیاد داده های ورودی به مدل برای کاهش زمان یادگیری و افزایش دقت پیش بینی، با استفاده از روش آنالیز مولفه های اصلی، پیش پردازش روی متغیرهای ورودی صورت گرفته و به مولفه های اصلی تبدبل شده است. نتایج بدست آمده نشان داد که پیش پردازش روی دادها، خطای پیش بینی مدل را به طور قابل ملاحظه ای کاهش داده است.
اثر تعدیل گر کیفیت سود در پیش بینی درماندگی مالی شرکتهای پذیرفته شده بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
یکی از مهمترین تهدیدهای پیش روی شرکتها، ریسک درماندگی و در نهایت ورشکستگی مالی است. هدف پژوهش حاضر، بررسی تأثیر تعدیل گر کیفیت سود در پیش بینی درماندگی مالی شرکت ها می باشد. بدین منظور، در محدوده زمانی 1382 تا 1391، نمونه ای مشتمل بر 41 شرکت درمانده و 41 شرکت غیردرمانده از مجموعه شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شده است. ملاک گزینش شرکت های درمانده، استفاده از پنج معیار مختص درماندگی مالی می باشد. به منظور بررسی صحت تفکیک دو نمونه درمانده و غیردرمانده با استفاده از آزمون ویلکاکسون، میانگین متغیرهای مستقل دو نمونه بررسی شد و سپس برای بررسی پیش بینی درماندگی مالی از سه مدل آلتمن، اولسون، بهارات و شام وی در قالب رگرسیون لجستیک باینری استفاده شده است. یافته های حاصل از پژوهش نشان می دهد که استفاده از کیفیت سود در پیش بینی درماندگی مالی بطور معناداری دقت پیش بینی درماندگی مالی را افزایش می دهد. همچنین در مقایسه با سایر مدلها، مدل آلتمن دقت بیشتری در پیش بینی درماندگی مالی داشته و ابزار مناسب تری برای پیش بینی محسوب می شود.
اولویت بندی تولید محصولات کشاورزی منتخب با هدف تأمین تقاضا در افق چشم انداز توسعه (1404)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مطالعه حاضر با توجه به هدف تأمین امنیت غذایی و خودکفایی در سند ملی چشم انداز توسعه، اقدام به پیش بینی تقاضای محصولات کشاورزی منتخب در افق چشم انداز (۱۴۰۴) با استفاده از روش خودتوضیح با وقفه های گسترده و در نظر گرفتن سناریوهایی مطابق با اهداف سند چشم انداز کرده است. مطابق نتایج به دست آمده، درصورت تحقق اهداف سند چشم انداز، افزایش تقاضای محصولات بر پایه تأمین سلامت و امنیت غذایی و اصلاح الگوی مصرف به سمت مصرف بیشتر پروتئین های حیوانی تجربه خواهد شد به طوری که الگوی مصرف جامعه ایرانی تحت گزینه های آرمانی و مطلوب به سمت افزایش بیشتر مصرف مواد پروتئینی مانند انواع گوشت ها و تخم مرغ و افزایش کمتر نان خواهد بود. به عبارت دیگر بر اساس یافته های به دست آمده از هر سه سناریو (استمرار وضع موجود، گزینه مطلوب و گزینه آرمانی)، در افق چشم انداز 1404 محصولات گوشت قرمز، تخم مرغ، برنج، گوشت مرغ، گندم و چای رتبه های اول تا ششم را به لحاظ میزان تقاضا خواهند داشت. طبقه بندی JEL :C13, C53, Q11
ارزیابی مدل های هیبرید در پیش بینی بازده نقدی سهام شرکت های کشاورزی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پیش بینی بازده نقدی شرکت های کشاورزی فعال در بازار بورس نقش بسیار مهمی در تعیین تولید، توزیع، تقاضا و کاهش ریسک و عدم قطعیت بازاری ایفا می نماید. از این رو، توسعه روش های پیش بینی و بهبود عملکرد این روش ها برای صاحبان شرکت ها و همچنین فعالان بازار بورس امری ضروری است. لذا، مقایسه عملکرد و دقت روش های مختلف پیش بینی مقادیر بازده نقدی سهام شرکت های کشاورزی در بورس اوراق بهادار تهران هدف اصلی این مطالعه می باشد. در این مطالعه با استفاده از داده های ماهانه بازده نقدی طی دوره ی (۱) ۱۳۸۸ تا (۱) ۱۳۹۴و بر اساس معیارهای دقت و آزمون دایبولد و ماریانو، دقت پیش بینی روش های خطی (ARIMA و ARIMAX)، غیرخطی (NAR و NARX) و مدل های هیبرید (ARIMA-ANN و ARIMAX-ANN) مورد ارزیابی و مقایسه قرار گرفته است. با اضافه نمودن متغیرهای توضیحی نرخ ارز، نرخ بهره، نرخ تورم، قیمت نفت و مخارج دولت؛ این مطالعه سعی در پاسخگویی به این سؤال را دارد که آیا عملکرد مدل های پیش بینی خطی، غیرخطی و هیبرید به طور قابل توجهی بهبود می یابد یا خیر؟ نتایج مطالعه نشان داد که در مدل های خطی و غیرخطی، اضافه نمودن متغیرهای توضیحی خارجی موجب بهبود عملکرد پیش بینی می گردد؛ اما این یافته برای مدل های هیبرید برقرار نمی باشد. همچنین، نتایج مطالعه مؤید آن است که مدل های هیبرید در مقایسه با مدل های خطی و غیرخطی، از دقت و عملکرد بهتری در پیش بینی مقادیر بازده نقدی سهام شرکت های کشاورزی برخوردار می باشند. لذا به شرکت ها و سهامداران بازار بورس اوراق بهادار توصیه می گردد که از مدل های هیبرید در برنامه ریزی های مالی خود استفاده نمایند.
مقایسه مدل تصحیح خطا و رگرسیون فازی برای پیش بینی تولید ناخالص ملی در ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
یکی از مهم ترین ابزارهای آماری در برنامه ریزی و سیاستگذاری های اقتصادی، داده های حساب های ملی است. از این رو، پیش بینی متغیرهای عمده اقتصادی از اهمیت خاصی برخوردار و در این میان، رشد اقتصادی از مهم ترین متغیرهای اقتصادی بوده که پیش بینی آن، از اولویت بالایی برخوردار است. هدف اصلی این مطالعه، شناسایی روش مناسب برای پیش بینی رشد اقتصادی ایران می باشد. در این پژوهش، مدل رگرسیون فازی که در ادبیات اقتصادی، کمتر مورد توجه قرار گرفته، معرفی و قابلیت آن در پیش بینی رشد اقتصادی ایران با مدل تصحیح خطا (ECM) مقایسه شده است. بدین منظور با استفاده از داده های دوره 1338 تا 1380 تولید ناخالص داخلی ایران از طریق دو مدل ECM و رگرسیون فازی مدل سازی و سپس، رشد تولید ناخالص داخلی ایران برای دوره 1381 تا 1391 پیش بینی شده است. در پایان، عملکرد این مدل ها با استفاده از معیارهای متداول ارزیابی مدل های پیش بینی از جمله MAE، RMSE، MAPE و TIC بررسی شده است. نتایج نشان می دهد که رگرسیون فازی، عملکرد به مراتب بهتری از مدل ECM در پیش بینی رشد تولید ناخالص داخلی ایران ارائه می دهد. همچنین دقت پیش بینی مدل رگرسیون فازی نسبت به مدل ECM از نظر آماری، تفاوت معنی داری دارد.
پیش بینی میزان موفقیت جراحی پیوند دورزننده عروق تاج مانند قلب بر اساس اضطراب، افسردگی، عوامل طبی و جمعیت شناختی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
از بین بیماریهای قلبی، بیماری عروق کرونر قلب (CAD) علت اصلی مرگ و میر جوامع انسانی می باشد و جراحی پیوند دورزننده عروق تاج مانند قلب (CABG) متداولترین مداخله درمانی است. دوره بستری بیمارستانی پس از جراحی، تخمینی از میزان موفقیت جراحی به حساب می آید که کاملا توسط عوامل طبی و جمعیت شناختی قابل توضیح نمی باشد. بلکه عوامل روانشناختی نیز در این میان مهم می باشند. بنابراین هدف پژوهش حاضر این بود تا علاوه بر این عوامل، به بررسی تاثیر عوامل روان شناختی بر طول دوره بستری بیمارستانی پس از این جراحی بپردازد. از بین بیماران مراجعه کننده به مرکز قلب بیمارستان شهید رجایی تهران که کاندیدای این جراحی بودند، 150 بیمار (30 نفر زن و 120 نفر مرد) به روش نمونه گیری در دسترس انتخاب شدند. از بیماران خواسته شد پرسشنامه 21 سوالی DASS-21 را تکمیل کنند. تحلیل رگرسیون گام به گام متغیرهای روانشناختی، طبی و جمعیت شناختی نشان داد مهمترین متغیرها برای پیش بینی طول مدت بستری بیمارستانی پس از جراحی، اضطراب و افسردگی، دیابت و فشار خون بالا و سن و جنسیت هستند. نتایج نشان دادند که می توان با ارزیابی پیش از جراحی این متغیرها، به شناسایی بیمارانی نایل شد که ممکن است این نوع جراحی برای آنها موفقیت آمیز نباشد.