پیش بینی آینده

مدل سازی الگوی رشد شهری فنی مهم برای درک فرایندهای پیچیدة رشد شهری است. در این مطالعه، مدل رگرسیون لجستیک جهت پیش بینی الگوی رشد شهری در آینده به کار گرفته شد. به این منظور، تصاویر ماهواره ای سال های 1988، 1998 و 2007 جهت تهیة نقشه های کاربری زمین به کار گرفته شد. سپس، تغییرات ایجادشده در گسترة شهری در فاصلة زمانی 1988-2007 شناسایی و مدل سازی تغییرات مناطق شهری و پیش بینی الگوی رشد شهری در آینده با به کارگیری مدل رگرسیون لجستیک انجام گرفت. نتایج اجرای مدل نشان داد گسترة مناطق شهری در دورة زمانی مورد مطالعه روند افزایشی داشته است. اعتبارسنجی نتایج مدل با محاسبة معیارهای Pseudo- R2 و ROC انجام گرفت. مقدار این معیارها به ترتیب، بیش از 27/0 و 83/0 به دست آمد که مقادیری مطلوب اند. در مرحلة بعد، الگوی رشد شهری برای سال های 2016 و 2025 پیش بینی شد. مطابق با نتایج، اقدامات مناسب برای کنترل تغییرات کاربری زمین به ویژه رشد شهرها به منظور حفظ محیط زیست و تعادل اکولوژیکی منطقه نیاز است. نتایج مطالعه می تواند به مدیران و تصمیم گیران جهت نظارت و جلوگیری از رشد بدون برنامه ریزی مناطق شهری کمک کند و نقشه های خروجی مدل را برای مدیریت و کنترل الگوی رشد مناطق شهری در آینده به کار گرفت.

موسسات مالی و اعتباری خصوصا بانک ها اهمیت آن دو چندان می شود از این رو تعیین و تخمین شاخص نقدینگی کشور از اهمیت خاصی برای دولت و بانک ها برخوردار است.به سبب اهمیت بالای تعیین نقدینگی و به منظور تصمیم سازی مناسب برآورد و پیش بینی آن در ماه ها و سال های آتی از ضروریات می باشد. ساختار نرم افزارهای تحلیلی مورد استفاده در اکثر مقالات طوری بوده که عملا تحلیل ها در جعبه سیاه انجام شده است. در این تحقیق برای آنکه محقق مستقیما در فرآیند تحلیل قرار گیرد از نرم افزار توانمند R استفاده شده است. در این تحقیق در کنار برآورد نقطه ای که ممکن است با تغییراتی که صورت می پذیرد تفاوت معنی داری داشته باشد، از برآورد بازه ای نیز استفاده شده است. فاصله اطمینان های 80 و 95 درصدی برای پیش بینی نقدینگی کشور انجام شده است که مقادیر واقعی نقدینگی را تحت پوشش قرار می دهند و برآورد مناسبی را در اختیار مدیران کلان قرار داده تا به هنگام برنامه ریزی مسائل اقتصادی در زمینه نقدینگی تغییرات ممکن را به شکل مناسبی لحاظ نمایند.  نتایج حاصل از این تحقیق حاکی از آن هست که مدل آریمای پیشنهاد شده (نقطه ای- بازه ای) در مقایسه با روش هموارسازی نمایی دوگانه توانایی بالایی برای مدل سازی و پیش بینی میزان نقدینگی کشور را داراست. Liquidity management is one of the most important tasks of financial management in firms and credit institutions .The importance of liquidity is to determine appropriate decision-making process in financial activities to decrease Risk and Uncertainty. Based on point estimation and interval estimation we analyzed changes in liquidity management with significantly different estimation. The results of this study suggest that ARIMA model coefficient compared to high capacity double exponential smoothing method for modeling and forecasting liquidity in the financial market is more suitable and consistent.

در این مطالعه نشان داده شد که علم می تواند در بسیاری موارد آینده را پیش بینی کند. روش علمی پیش بینی آینده آن است که با مجموعه داده هایی از سیستم واقعی، مدلی مجازی طراحی شود که رفتارش شبیه سیستم واقعی باشد. شکل کلاسیک مدلسازی سیستم های دینامیکی نشان دادن آنها به وسیله مجموعه ای از معادلات دیفرانسیل خطی یا غیرخطی، معمولی یا با مشتقات جزئی است. شرط لازم و کافی برای پیش بینی آینده در سه ویژگی خلاصه می شود: اول، ارائه مدلی از سیستم واقعی با رفتاری مشابه آن؛ دوم، دانستن دقیق شرایط اولیه سیستم واقعی؛ سوم، دانستن دقیق عوامل مؤثر بر سیستم یا ورودی ها در زمان حال و آینده. تحقق این سه شرط آن قدر” اما و اگر» دارد که همه ناکامی ها در پیش بینی آینده به دلیل ناتوانی در دستیابی به آنهاست. در علوم مهندسی این اما و اگرها به اختصار «عدم قطعیت» نامیده می شود. مهم ترین مورد، عدم قطعیت در نمایش سیستم است که هیچ راهی برای به صفر رساندن آن وجود ندارد، ولی روش های متعددی برای کاهش آن ارائه شده است. یکی از روش های مدلسازی که در دهه های اخیر فراگیر شده، استفاده از روش های محاسبات نرم است. این روش علاوه بر سیستم های مهندسی، در سیستم های مرتبط با علوم انسانی و اجتماعی با عدم قطعیت قابل توجه، مانند اقتصاد و مدیریت، کاربرد وسیع یافته است. در مهندسی کنترل شما نه تنها آینده را پیش بینی می کنید، بلکه آن را به شکل دلخواه می سازید. در این مطالعه این مباحث بررسی و تحلیل شده است تا شیوه آینده پژوهی و پیرو آن آینده سازی بر مبنای علم مشخص شود.