بعد فرکتالی

در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آمده رسم شده اند. با استفاده از پیش پردازش های اشاره شده، نشان داده می شود که قیمت و بازده سهام (درهر 6 سهم مربوط به صنایع مختلف) از نگاشتهای پیچیده غیرخطی و آشوبگرانه به وجود آمده اند و اساساً از روشهای غیرخطی شبکه های عصبی به خودی خود و به شکل متعارف بهبود قابل ملاحظه ای را به دنبال ندارد. با ارائه پیشنهاد ساختار جدید، می توان قیمت و بازده را به خوبی در دو حالت پیش بینی روز بعد و پیش بینی سی روز بعد تخمین زد.

آشکارسازی لبه ها از نکته های مهم مورد استفاده در سنجش از دور است. بسیاری از الگوریتم های کلاسیک آشکارسازی لبه که عملکرد مناسبی را بر روی تصاویر اپتیکی ارائه کرده اند، فاقد توان تشخیص لبه در تصاویر رادار با وزنة ترکیبی (SAR) اند. در این مقاله الگوریتمی برمبنای آنالیز فرکتالی و منطق فازی به منظور آشکارسازی لبه ها در تصاویر SAR پیشنهاد می شود. از جنبة نظری، چون سیگنال دریافت شده در سیستم SAR به عنوان پدیده ای آشوبی شناخته می شود، دارای قابلیت مدل سازی در سیستم های دینامیکی آشوبی است. پدیده های آشوبی در سیستم های دینامیکی می توانند با بعد فرکتالی توصیف گردند، که در هندسة فرکتالی به منظور توصیف پیچیدگی هندسی پدیده ها تعریف می شود و روش های مختلفی برای محاسبه آن وجود دارد. در این مقاله بعد فرکتالی براساس مفاهیم آنالیز موجک و حرکت نسبی براون تعیین شده است. بعد فرکتالی به دو روش سراسری و محلی تعیین می شود که در حالت محلی، موضوع مهم انتخاب پارامترهای روش مورد نظر مانند اندازة پنجرة محرک است. استفاده از پنجره های متفاوت دربردارندة نتایج متفاوتی نیز هست. بر این اساس، به منظور دستیابی به نتایج مطلوب تر، اندازة بهینة پنجرة محرک با استفاده از منطق فازی محاسبه شده است. نتایج الگوریتم پیشنهادی بر روی تصاویر سنجندة ALOS-PALSAR با روش های کلاسیکی چون فیلتر کنی مقایسه و ارزیابی شده است. مقایسة نتایج نشان می دهد که الگوریتم فرکتال ـ فازی به مراتب کمتر از روش های کلاسیک به نویز لکه ای حساس است و نتایج رضایت بخشی را ارائه کرده، به گونه ای که دقت الگوریتم پیشنهادی برابر با 21/74 درصد بوده است. این مقدار در مقایسه با دقت 44/29 درصد برای فیلترکنی نشان از کارایی الگوریتم ارائه شده دارد. همچنین نشان داده شده است که تعیین بعد فرکتالی با استفاده از منطق فازی، بیشتر و دقیق تر از تعیین آن با پنجره های دارای اندازة ثابت، باعث آشکارسازی لبه ها می شود.

هدف از این پژوهش پایشِ دمایِ هوا با رهیافتی آماری بر اساس برون داد پایگاه داده بازواکاوی شده (ECMWF) نسخه ERA Interim برای دوره زمانی 1979 2015 با تفکیک مکانی 125/0×125/0 درجه قوسی و هم سنجی آن با پایگاه ملی اسفزاری و پیمونگاه های همدید کشور است. از سنجه های RMSE و R2 برای اعتبارسنجی نتایج و از بُعد فرکتالی برای دگردیسی زمانی استفاده شد. نتایج اعتبارسنجی پایگاه ECMWF نشان دهنده توانایی و دقت زیاد آن در برآورد دمای هوا بوده است. هم سنجی پایگاه ECMWF با پایگاه ملی اسفزاری و پیمونگاه های همدید از نتایج مطلوبی برخوردار است؛ این نتایج در شش ماهه دوم یا نیمه گرم سال، به سبب تباین کمتر دمایی، از نتایج بسیار مطلوب تری برخوردار است. بُعد فرکتالی دما در دوره گرم سال (دارای دگرگونی کوتاه مدت) افزایش یافته و در دوره سرد سال (دارای دگرگونی بلندمدت) کاهش یافته است. توزیع فضایی دمای هوا نشان داد در ایجاد الگوی دمای هوا در بام ایران عامل عرض جغرافیایی بیشترین نقش را ایفا می کند. کانون گرم ترین نواحی در مناطقِ کویر لوت، جنوب شرق، و نوار جنوب کشور است. مناطق خنک و سرد نیز منطبق بر نواحی مرتفع و پیکر بندی ناهمواری های بام ایران است.