مطالب مرتبط با کلیدواژه

ماشین بردار پشتیبان


۴۱.

پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان برپایه الگوریتم ژنتیک در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۵ پاییز و زمستان ۱۳۹۲ شماره ۲ 269 - 288

کلیدواژه‌ها: الگوریتم ژنتیک پیش بینی تحلیل تکنیکی قیمت سهام ماشین بردار پشتیبان

حوزه‌های تخصصی:
تعداد بازدید : ۳۰۷ تعداد دانلود : ۱۸۴
با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل مؤثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام شرکت مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک ارائه شده است. برای نمونه آماری، سی شرکت از پنجاه شرکت برتر بورس اوراق بهادار در سه ماهه دوم سال 90 انتخاب شده است. سپس برای هر سی شرکت، 44 متغیر محاسبه شد. این متغیرها ورودی مدل ترکیبی هستند و به کمک الگوریتم ژنتیک بهینه سازی شده اند. نتایج نشان می دهد، مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک در پیش بینی روند حرکتی قیمت سهام بسیار بهتر عمل می کند و درمقایسه با روش ماشین بردار پشتیبان ساده، از دقت بیشتری برخوردار است.
۴۲.

ارائه روش هیبریدی نوین برای پیش بینی شاخص کل قیمت بورس اوراق بهادار(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۸ زمستان ۱۳۹۵ شماره ۴ 613 - 632

کلیدواژه‌ها: بهینه سازی ازدحام ذرات تبدیل موجک ماشین بردار پشتیبان مدل GJR

حوزه‌های تخصصی:
تعداد بازدید : ۳۱۱ تعداد دانلود : ۱۷۷
روند تغییرات شاخص کل قیمت سهام، همواره به عنوان یکی از ملاک های سرمایه گذاری مدنظر قرار می گیرد. به دلیل وجود دو مؤلفه ای غیرخطی و متلاطم سری زمانی شاخص قیمت، در این پژوهش سعی شده مدل هیبریدی نوینی ارائه شود که بتواند روند حرکتی و تغییرات شاخص را با بیشترین دقت پیش بینی کند. در این مدل ابتدا با استفاده از تبدیل موجک، سری زمانی شاخص به شش سری زمانی مجزایی که ویژگی های غیرخطی و متلاطم شاخص مدنظر را نمایندگی می کند، تفکیک می شود. در ادامه، سری های زمانی استخراج شده با رفتار غیرخطی، با استفاده از ترکیب مدل ماشین بردار پشتیبان و بهینه سازی ازدحام ذرات و سری های زمانی مبتنی بر رفتار متلاطم شاخص کل با بهره گیری از مدل GJR پیش بینی می شوند؛ سپس با جمع نتایج به دست آمده از پیش بینی دو مؤلفه ای غیر خطی و متلاطم شاخص قیمت، سری زمانی شاخص کل قیمت برآورد می شود. نتایج به دست آمده نشان می دهد مدل هیبریدی ارائه شده این پژوهش در مقایسه با سایر روش های پیش بینی، خطای کمتری داشته و از دقت بیشتری برخوردار است.
۴۳.

کاربرد روش ترکیبی ماشین بردار پشتیبان و انتخاب ویژگی به منظور پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۹ بهار ۱۳۹۶ شماره ۱ 139 - 156

کلیدواژه‌ها: الگوریتم ژنتیک پوشش دهنده درماندگی مالی فیلترکننده ماشین بردار پشتیبان

حوزه‌های تخصصی:
تعداد بازدید : ۳۹۶ تعداد دانلود : ۱۷۰
پیش بینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، مؤسسه های اعتباری و بانک ها به آن توجه کرده اند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدل های ترکیب شده انتخاب ویژگی و مدل طبقه بندی کننده، از مسائلی است که فقط در سال های اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین بردار پشتیبان با چهار تابع کرنل خطی، چند جمله ای، شعاعی و سیگمویید به عنوال مدل طبقه بندی کننده و ترکیب آن با روش های انتخاب ویژگی فیلترکننده و پوشش دهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روش های پوشش دهنده انتخاب ویژگی است و روش های آنالیز اجزای اساسی، زنجیره اطلاعات و رلیف که جزء روش های فیلترکننده انتخاب ویژگی هستند، استفاده شده است. نتایج به دست آمده نشان داد که روش الگوریتم ژنتیک نسبت به روش های فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چند جمله ای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان 95 درصد تفاوت معناداری با هم ندارند.
۴۴.

استفاده از روش ترکیبی انتخاب ویژگی پی درپی پیشرو شناور و ماشین بردار پشتیبان در پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۲۰ پاییز ۱۳۹۷ شماره ۳ 289 - 304

کلیدواژه‌ها: انتخاب پی درپی پیشرو شناور پوشش دهنده درماندگی مالی ماشین بردار پشتیبان مدل های ترکیبی

حوزه‌های تخصصی:
تعداد بازدید : ۲۶۰ تعداد دانلود : ۱۷۹
هدف: پیش بینی درماندگی مالی شرکت ها، یکی از مهم ترین مسائل تحقیقاتی در حوزه مدیریت ریسک بوده و همواره در کانون توجه بانک ها، شرکت ها، مدیران و سرمایه گذاران قرار داشته است. هدف اصلی این پژوهش ارائه یک مدل پیش بینی کننده با عملکرد بالا و مقایسه نتایج به دست آمده از آن با سایر مدل های رایج در پیش بینی درماندگی مالی است. روش: به همین منظور از روش های انتخاب ویژگی پی درپی پیشرو شناور که مدل تعمیم یافته روش انتخاب ویژگی پیشرو پی درپی بوده و از دسته روش های پوشش دهنده است و روش انتخاب ویژگی پیشرو پی درپی در ترکیب با ماشین بردار پشتیبان استفاده شد. این مدل ها از نوع مدل های ترکیبی انتخاب ویژگی و طبقه بندی کننده هستند. همچنین در این پژوهش از مدل رگرسیون لجستیک که یکی از مدل های آماری طبقه بندی است نیز استفاده شده است. یافته ها: پس از بررسی نسبت های مالی مهم در نهایت 29 نسبت مالی که در تحقیقات گذشته بیشتر استفاده شده بودند، انتخاب گردیند. آزمون مقایسات زوجی نشان می دهد که دقت مدل پیشنهادی این پژوهش با سطح اطمینان 95 درصد بهتر از دیگر مدل های استفاده شده در این پژوهش می باشد. نتیجه گیری: نتایج نشان داد که مدل پیشنهادی این تحقیق در یک سال، دو سال و سه سال قبل از درماندگی مالی به طور معناداری از عملکرد بهتری در پیش بینی درماندگی مالی نسبت به روش انتخاب ویژگی پیشرو پی درپی و مدل رگرسیون لجستیک برخوردار است.
۴۵.

ارائه روش نظارتی برای نظرکاوی در زبان فارسی با استفاده از لغت نامه و الگوریتم SVM(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۷ تابستان ۱۳۹۴ شماره ۲ 345 - 362

کلیدواژه‌ها: قطبیت لغت نامه ماشین بردار پشتیبان نظرکاوی

حوزه‌های تخصصی:
تعداد بازدید : ۳۹۶ تعداد دانلود : ۱۹۸
به سبب رشد سریع شبکه ها و رسانه های اجتماعی، امکان دسترسی افراد به نظرهای دیگران افزایش یافته است. نظرها، حاوی اطلاعات ارزشمندی اند که با تحلیل آنها، می توان به گرایش ها و ترجیح افراد پی برد و نظرهای مثبت و منفی را نسبت به مسائل گوناگون، شناسایی کرد. نظرکاوی فرایندی است که به تحلیل عاطفه ها، احساس ها و نظرهای افراد می پردازد و از این طریق، اولویت افراد را شناسایی می کند. در این مقاله، روشی برای نظرکاوی در زبان فارسی ارائه شده است که از ترکیب لغت نامه و الگوریتم نظارتی ماشین بردار پشتیبان (SVM) استفاده می کند. برای ایجاد لغت نامه، از لغت نامه SentiWordNet بهره برده شده است. در واقع این لغت نامه، مجموعه ویژگی های الگوریتم SVM است. برای ارزیابی نتایج، از داده های دامنه هتل استفاده شد. چهار فرضیه برای دستیابی به بهترین نتیجه تعریف شد که از این بین، بیشترین درستی، به فرضیه حاصل ضرب قطبیت در تعداد تکرار کلمه ها اختصاص یافت.
۴۶.

کاربرد الگوریتم های یادگیری ماشین در متن کاوی با رویکرد آنالیز احساس(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۱۰ تابستان ۱۳۹۷ شماره ۲ 309 - 330

کلیدواژه‌ها: آنالیز احساس شبکه های عصبی ماشین بردار پشتیبان متن کاوی نایو بیز

حوزه‌های تخصصی:
تعداد بازدید : ۴۰۱ تعداد دانلود : ۲۴۶
تخصیص نظرها و متن های منتشر شده کاربران در فضای مجازی به طبقاتی با احساسات مثبت یا منفی، در تحقیق های مربوط به متن کاوی اهمیت بسیار زیادی دارد. هدف این مقاله، استفاده و مقایسه روش های یادگیری ماشین در طبقه بندی متن های فارسی بر اساس احساسات کاربران فعال در فضای مجازی است. داده های پژوهش، مجموعه نظرهای منتشرشده درباره فیلم های ایرانی و خارجی در بازه زمانی 1392 تا 1395 در سایت های سینمایی و نقد فیلم فارسی زبان است. پیش از به کارگیری الگوریتم ها، فرایند پیش پردازش داده ها بر اساس تبدیل آنها به نویسه، حذف ایست واژه ها و تحلیل چند واژه ای انجام گرفت. برای طبقه بندی داده ها، الگوریتم های با نظارت نایوبیز، ماشین بردار پشتیبان و شبکه عصبی استفاده شد. براساس نتایج به دست آمده، در آزمون خارج از نمونه با وجود دقت عددی بیشتر الگوریتم نایوبیز بر شبکه عصبی و ماشین بردار پشتیبان بر نایوبیز، برتری آماری نایوبیز بر شبکه های عصبی و ماشین بردار پشتیبان بر نایوبیز اثبات نشد. با وجود این، نتایج تحقیق گویای برتری معنادار الگوریتم ماشین بردار پشتیبان بر شبکه های عصبی در دقت طبقه بندی در سطح اطمینان 5 درصد است.
۴۷.

بررسی اثرات تغییرات اقلیمی بر کشت کلزا در استان همدان(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات جغرافیایی مناطق کوهستانی سال دوم تابستان ۱۴۰۰ شماره ۲ ۱۲۴-۱۰۹

کلیدواژه‌ها: روند و تغییرات اقلیمی ماشین بردار پشتیبان جنگل تصادفی کشت کلزا همدان

حوزه‌های تخصصی:
تعداد بازدید : ۳۵۲ تعداد دانلود : ۲۷۵
یکی از پیامدهای مهم تغییرات اقلیمی تاثیرات آن بر محصولات و اقتصاد کشاورزی است. استان همدان به عنوان یکی از استانهای با محصولات عمده کشاورزی همواره از این پیامد متاثر گردیده است. این پژوهش به منظور آشکار سازی پیامدهای تغییر اقلیم بر کشت کلزا در استان همدان با استفاده از مدل های جدید داده کاوی (RF,SWM) انجام گرفته است. دوره مورد مطالعه 2020-2001 می باشدکه علاوه بر روند تغییرات اقلیمی میزان عملکرد و سطح زیر کشت این محصول و تاثیرات تغییر اقلیم بر آن مورد بررسی قرار گرفته است. با توجه به نتایج بدست آمده مشخص گردید بیشترین تاثیرات بر عملکرد کشت کلزا مربوط به تغییرات ساعات آفتابی و بارش است که این اثر بیشتر در مناطق جنوب غربی و شمال استان دیده می شود. در نقشه های ترسیم شده از مدل RF,SWM مشخص گردید نتایج هر دو مدل تا حدود زیادی منطبق بر هم هستند و برحسب خروجی های مدل جنگل تصادفی و ماشین بردار پشتیبان مشخص شد که این مدل ها کارایی لازم برای بررسی ارتباط عملکرد محصولات کشاورزی با پارامتر های اقلیمی را دارند. طبق نتایج بیشترین ارتباط بین عملکرد محصول کلزا با تغییرات ساعات آفتابی و کمترین آنها با حداقل دما می باشد. بر اساس مدل SVM نیز ساعات آفتابی بیشترین تاثیر گذاری و ارتباط با عملکرد کلزا را دارد. نتایج نشان داد بین عملکرد محصول کلزا و تغییرات اقلیمی در استان همدان ارتباط معنا داری وجود دارد. نتایج این تحقیق می تواند در برنامه ریزی کشاورزی و توسعه اقتصادی مناطق استان همدان سودمند باشد.
۴۸.

ارزیابی کارایی توابع کرنل ماشین بردار پشتیبان و عملگرهای فازی شئ گرا در برآورد سطح پوشش برف با استفاده ازداده های ماهوارهSentinel – 2B - مطالعه موردی: کوه آلمابلاغ(مقاله علمی وزارت علوم)

نویسنده:
منبع: اطلاعات جغرافیایی سپهر دوره ۳۰ پاییز ۱۴۰۰ شماره ۱۱۹ 175 - 187

کلیدواژه‌ها: ماشین بردار پشتیبان فازی شئ گرا سنجش از دور آلمابلاغ

حوزه‌های تخصصی:
تعداد بازدید : ۲۷۴ تعداد دانلود : ۱۶۷
برآورد دقیق سطح پوشش برف به عنوان یکی از عملیات محوری و اساسی در زمینه مدیریت منابع آب، به ویژه در مناطقی که بارش برف سهم زیادی در نزولات جوی دارد محسوب می شود. بنابراین پایش پیوسته سطوح پوشیده از برف، از نظر مطالعات اقلیمی، اکولوژیکی و هیدرولوژیکی اهمیت ویژه ای دارد. امروزه در روند مدیریت کارآمد منابع آبی، به کارگیری داده های سنجش از دور با هدف کسب اطّلاعات دقیق از پوشش برف به صورت عملیاتی اجرا می شود. پژوهش حاضر با هدف مقایسه عملکرد توابع کرنل ماشین بردار پشتیبان و عملگر های فازی شئ گرا در برآورد میزان سطح پوشش برف در کوه آلمابلاغ با استفاده از تصویر ماهواره Sentinel انجام گرفته است. در این راستا ابتدا عملیات پیش پردازش بر روی تصو یر ماهواره ای اعمال گردید، سپس با استفاده از توابع کرنل ماشین بردار پشتیبان شامل توابع خطی، چند جمله ای، پایه شعاعی و سیگموئید، فرآیند طبقه بندی پیکسل پایه انجام شد. همچنین پس از قطعه بندی، با استفاده از عملگر های فازی شئ گرا شامل AND ، OR ، MGE ، MAR ، MGWE و ALP فرآیند طبقه بندی شئ گرا نیز انجام شد و میزان دقّت هر کدام از نقشه های تولیدشده محاسبه گردید و در آخر براساس الگوریتمی که دارای بیشترین دقّت بود، میزان سطح پوشش برف منطقه مورد مطالعه برآورد شد. در این تحقیق عملگر فازی AND دارای بیشترین مقدار دقّت در نقشه های تولید شده در بین هر دو روش بود. لذا براساس نتایج تحقیق، روش های پردازش شئ گرای تصاویر ماهواره ای در طبقه بندی تصاویر رقومی ماهواره ای به دلیل اینکه علاوه بر اطّلاعات طیفی از اطّلاعات مربوط به بافت، شکل، موقعیت، محتوا و ویژگی های هندسی نیز در فرآیند طبقه بندی استفاده می کنند در مقایسه با توابع کرنل ماشین بردار پشتیبان، دست یابی به دقّت بالاتر را امکان پذیر می سازند.
۴۹.

تحلیل اثرات خزش شهری در ناپایداری سکونتگاه های روستایی (مورد مطالعه: شهرستان رضوانشهر)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مهندسی جغرافیایی سرزمین دوره دوم بهار و تابستان ۱۳۹۷ شماره ۱ (پیاپی ۳) 59 - 71

کلیدواژه‌ها: خزش شهری ماشین بردار پشتیبان سنجش از دور سکونتگاه های روستایی شهرستان رضوانشهر

حوزه‌های تخصصی:
تعداد بازدید : ۲۸۱ تعداد دانلود : ۱۷۵
از این رو تحقیق حاضر باهدف تحلیل اثرات خزش شهری در ناپایداری سکونتگاه های روستایی شهرستان رضوانشهر تدوین شده است. این پژوهش از نظر هدف کاربردی و از نظر روش انجام، توصیفی تحلیلی است. در این تحقیق جامعه آماری، سکونتگاه های روستایی شهرستان رضوانشهر است. در این مطالعه پراکنده رویی شهری در سکونتگاه های روستایی با بهره گیری از داده های سنجش از دور مورد تحلیل قرار گرفت. جهت تحلیل داده ها از الگوریتم ماشین بردار پشتیبان و GIS استفاده شد. نتایج تحقیق نشان داد که نخست، کاربری اراضی کشاورزی در بازه زمانی 17 سال در شهرستان رضوانشهر روند کاهشی داشته و برعکس کاربری های انسان ساخت در حال افزایش است. به طوری که میزان کاربری اراضی کشاورزی در سال 1379(10766 هکتار) و درسال 1396 به میزان(9832 هکتار) کاهش داده است. همچنین نتایج حاصل از تحلیل تصاویر ماهواره ای نشان داد که تا سال 1379 شهر رضوانشهر توسعه فضایی به سمت نواحی روستایی نداشته و از سال 1386 توسعه فیزیکی شهر آغاز و در سال 1396 به طور کامل دو روستای بزرگ اردجان و پونل از دو سمت در محدوده فضایی شهر واقع شده اند. این وضعیت اقتصاد نواحی روستایی را ضعیف و مهاجرت های روستا شهری را توسعه می دهد و در بلند مدت ناپایداری سکونتگاه های روستایی را موجب می گردد. بنابراین با توجه به وضعیت فعلی، متخصصان و مدیران باید سیاست گذاری های خود را در راستای تثبت اراضی کشاورزی منطقه، معطوف کنند.
۵۰.

تجزیه متون استنادی در زبان فارسی با استفاده از ماشین بُردار پشتیبان(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه پردازش و مدیریت اطلاعات دوره ۳۷ تابستان ۱۴۰۱ شماره ۴ (پیاپی ۱۱۰) ۱۲۴۵-۱۲۶۸

کلیدواژه‌ها: تجزیه متون استنادی دسته بندی دسته بندی چند دسته ای ماشین بردار پشتیبان ساخت خودکار شبکه های استنادی

حوزه‌های تخصصی:
تعداد بازدید : ۴۶۳ تعداد دانلود : ۳۰۸
یک متن استنادی را می توان به عنوان مجموعه ای از مولفه ها مانند نام نویسندگان، عنوان، محل نشر، سال نشر، شماره صفحات و ... در نظر گرفت. در حالیکه تجزیه متون استنادی موجود در انتهای یک مدرک علمی توسط کاربر انسانی به راحتی انجام پذیر است، تنوع موجود در شیوه های استناددهی در کنار اشتباهات رخ داده توسط نویسندگان در نگارش این متون، خودکارسازی انجام این عملیات را دشوار نموده است. روش های زیادی برای خودکارسازی تجزیه متون استنادی ارائه شده اما، این روش ها وابسته به زبان بوده و امکان استفاده از یک روش ارائه شده برای یک زبان در زبانی دیگر منجر به نتایجی اشتباه می شود. تحقیقات صورت گرفته بیان گر این است که تاکنون هیچ روشی برای خودکارسازی تجزیه متون استنادی در زبان فارسی ارائه نشده است. با توجه به این مهم و نقش گسترده این مسئله در ساخت خودکار شبکه های استنادی مدارک علمی و فرایندهای بازیابی اطلاعات، در این مقاله به این مسئله پرداخته شده و با استفاده از روش یادگیری ماشین بردار پشتیبان به عنوان یک دسته بند چند دسته ای، یک روش هوشمند برای مسئله تجزیه متون استنادی در زبان فارسی ارائه شده است. با توجه به اهمیت انتخاب ویژگی های مناسب برای استفاده در دسته بند ماشین بردار پشتیبان، در این پژوهش این مهم با توجه به ویژگی های استفاده شده در زبان انگلیسی و ویژگی های زبان فارسی و ارجاع دهی در این زبان انجام شده است. نتایج پیاده سازی و آزمایش روش پیشنهادی با استفاده از مجموعه داده ای ایجاد شده در این پژوهش نشانگر مقدار ۰.۹۵ برای پارامترهای دقت، فراخوانی و اف-۱ است.
۵۱.

مدل سازی و پیش بینی مکانی مخاطره زمین لغزش با استفاده از الگوریتم های پیشرفته داده کاوی(مطالعه موردی: شهرستان کلات)(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های ژئومورفولوژی کمی سال دهم بهار ۱۴۰۱ شماره ۴ (پیاپی ۴۰) 116 - 137

کلیدواژه‌ها: زمین لغزش الگوریتم های پیشرفته داده کاوی ماشین بردار پشتیبان تابع شواهد قطعی تابع شواهد وزنی

حوزه‌های تخصصی:
تعداد بازدید : ۵۰۲ تعداد دانلود : ۱۹۸
هدف از پژوهش حاضر، مدل سازی و پهنه بندی حساسیت زمین لغزش در حوزه آبخیز کلات، واقع در استان خراسان رضوی میباشد. بدین منظور، از سه مدل داده کاوی ماشین بردار پشتیبان(SVM)، تابع شواهد قطعی(EBF) و شواهد وزنی(WOE) به لحاظ الگوریتم محاسباتی توانمند در زمینه ارزیابی فرایند زمین لغزش استفاده شد. ابتدا 36 زمین لغزش با استفاده از تصاویر ماهواره ای لندست و گوگل ارتث شناسایی شدند. سپس این نقاط به طور تصادفی به منظور تهیه مدل و اعتبار سنجی به ترتیب به دو گروه آموزش 70 درصد و اعتبار سنجی 30 درصد تقسیم شدند. 17 لایه اطلاعاتی شامل ارتفاع، جهت شیب، شیب، فاصله از گسل، تراکم آبراهه، فاصله از رودخانه، خاک، کاربری اراضی، فاصله از جاده، شاخص پوشش گیاهی NDVI، زمین شناسی، انحنا شیب، تیپ اراضی، پروفیل عرضی دامنه، پروفیل طولی دامنه، شاخص توان آبراهه(SPI) و شاخص رطوبت توپوگرافی(TWI) برای پهنه-بندی پتانسیل خطر زمین لغزش در نظر گرفته شدند. به منظور ارزیابی نتایج مدل ها، از مقدار مساحت زیر منحنی تشخیص عملکرد نسبی(ROC) در فرایند مدل سازی استفاده شد. برطبق نتایج این پژوهش، متغیرهای زمین شناسی، ارتفاع، شیب، خاک شناسی و کاربری اراضی به عنوان مهمترین عوامل وقوع زمین لغزش در نظر گرفته شدند. نتایج تحلیل منحنی ویژگی عملگر نسبی نشان داد که مدل های SVM، EBF و WOEبه ترتیب دارای مقدار AUC 897/0، 901/0و 878/ 0 هستند. اما در مقایسه سه مدل آماری، مدل EBF نسبت به دو مدل دیگر دارای بیشترین مقدار AUC بوده و بهترین مدل برای پیش بینی مکانی خطر زمین لغزش در منطقه پژوهش است.
۵۲.

طبقه بندی شیءگرای مناطق شهری با تلفیق تصاویر سنتینل- 1 و سنتینل- 2(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال چهاردهم پاییز ۱۴۰۱ شماره ۳ (پیاپی ۵۵) 105 - 121

کلیدواژه‌ها: سنجش از دور سنتینل 1 سنتینل 2 طبقه بندی مبتنی بر شیء ماشین بردار پشتیبان جنگل تصادفی

حوزه‌های تخصصی:
تعداد بازدید : ۲۷۲ تعداد دانلود : ۲۰۸
نقشه های کاربری زمین، توزیع فضایی منابع طبیعی، مناظر فرهنگی و سکونتگاه های انسانی را توصیف می کنند که به منزله ابزار برنامه ریزی مهمی برای تصمیم گیرندگان عمل می کند؛ بنابراین دقت نقشه های حاصل از طبقه بندی تصاویر ماهواره ای در عدم قطعیت به منظور مدیریت شهری بسیار تأثیرگذار است. با توجه به کیفیت یکنواخت تصاویر در مناطق بزرگ در مراحل زمانی منظم، تصاویر سنجش از دور ورودی ضروری در تولید نقشه های کاربری زمین شمرده می شوند. هدف اصلی از این تحقیق پیشنهاد کردن روشی به منظور ایجاد نقشه پوشش اراضی دقیق در مناطق شهری، با استفاده از تلفیق داده های سنتینل 1 و سنتینل 2 است. به این منظور، ویژگی های ضریب بازپراکنش راداری VV و دو پارامتر حاصل از روش تجزیه H-α (آنتروپی، آلفا) از تصاویر راداری سنتینل 1 و ویژگی های باند آبی، سبز، قرمز، شاخص های NDVI، NDWI، MNDWI و SWI از تصاویر اپتیک سنتینل 2 استخراج و به منزله مؤلفه های تأثیرگذار در طبقه بندی منطقه شهری استفاده شد. در این مطالعه، با هدف جداسازی مناطق کشاورزی از سایر پوشش ها، از شاخص رطوبت SWI استفاده شد. همچنین داده های ارتفاعی برای تفکیک بهینه کلاس های پیچیده با توپوگرافی متفاوت به کار رفت. استخراج شاخص های تأثیرگذار از این دو مجموعه داده، در رویکردی شیءگرا مبتنی بر الگوریتم های ماشین بردار پشتیبان و جنگل تصادفی، برای طبقه بندی کاربری زمین ارزیابی شد. نتایج نشان داد که به کارگرفتن ویژگی های استخراج شده از تصاویر راداری و اپتیک به طور هم زمان، در روش طبقه بندی شیء گرا، می تواند ویژگی های شیء را به طور کامل در ناحیه مورد مطالعه استخراج کند. در مورد هر دو الگوریتم طبقه بندی، زمانی که از داده های اپتیک و راداری به طور هم زمان استفاده شد، دقت کلی طبقه بندی افزایش داشت. در مورد روش جنگل تصادفی که بیشترین دقت ها را دربر داشت، دقت کلی برای رویکرد ترکیب داده های راداری و اپتیک به میزان 13 و 5%، به ترتیب به نسبت رویکرد تنها ویژگی راداری و تنها رویکرد ویژگی اپتیک، افزایش پیدا کرده است. همچنین اختلاف معنی داری در دقت طبقه بندی، در تمامی سطوح، بین الگوریتم طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی دیده می شود. نتایج نشان داد که دقت کلی درمورد روش طبقه بندی جنگل تصادفی و ماشین بردار پشتیبان به ترتیب برابر 3/83 و 8/79% و ضریب کاپا به ترتیب 72/0 و 68/0% بوده است.
۵۳.

بررسی تاثیر تغییرات کاربری اراضی در یک دوره بیست سال بر میزان فرسایش و رسوب حوضه رضی چای(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: جغرافیا و مطالعات محیطی سال دوزادهم بهار ۱۴۰۲ شماره ۴۵ 114 - 133

کلیدواژه‌ها: کاربری اراضی فرسایش ماشین بردار پشتیبان رضی چای

حوزه‌های تخصصی:
تعداد بازدید : ۲۳۳ تعداد دانلود : ۲۳۷
فرسایش خاک یک مشکل جهانی است که منابع آب و خاک را تهدید می کند و تغییرات کاربری اراضی یکی از عوامل مهم در فرسایش خاک است. هدف از این پژوهش ارزیابی اثر تغییرات کاربری اراضی بر فرسایش خاک در حوضه آبخیز رضی چای مشگین شهر در استان اردبیل است. به منظور اجرای این تحقیق ابتدا تصاویر ماهواره ای منطقه مورد مطالعه مربوط به سال های 1378 و 1398 و ماه خرداد از مرکز تحقیقات زمین شناسی آمریکا دریافت و پس از تصحیحات اتمسفری و رادیومتریک با استفاده از روش طبقه بندی نظارت شده به شیوه ماشین بردار پشتیبان اقدام به تهیه نقشه کاربری اراضی در هر دو سال شد. سپس به منظور برآورد میزان فرسایش در هر دوسال از مدل RUSLE استفاده شد. جهت تجزیه و تحلیل و تولید نقشه ها در اجرای این تحقیق نیز از نرم افزارهای SPSS 21، Excel، ArcGIS 5.4، Archydro و ENVI 5.3 استفاده شد. نتایج این تحقیق نشان داد که در طول بیست سال اخیر کاربری های مرتع، زراعت آبی، بایر در منطقه کاهش و در مقابل سطح اراضی زراعی دیم و مسکونی افزایش یافته است. در این بین بیش ترین تغییر مربوط به افزایش 69/27 هکتاری اراضی زراعی دیم در منطقه می شود. هم چنین نتایج بررسی تغییرات فرسایش نشان داد میزان فرسایش از سال 1378 تا 1398 از 49/6 به 46/6 تن در هکتار در سال کاهش یافته است. نتایج این تحقیق نشان داد که علی رغم افزایش سطح اراضی زراعی دیم در منطقه به دلیل کاهش سطح اراضی بایر و تقویت پوشش گیاهی در این منطقه میزان فرسایش به میزان اندکی کاهش یافته است که این امر نشان دهنده تاثیر تغییرات کاربری اراضی به خصوص تقویت پوشش گیاهی در کنترل میزان فرسایش در منطقه مورد مطالعه است.
۵۴.

ارزیابی و تحلیل میزان تاثیر کاربری اراضی بر فرسایش خاک با استفاده از مدل تجربی RUSLE (مطالعه موردی: حوضه آبخیز بالیخلوچای، استان اردبیل)

نویسنده:
منبع: جغرافیا و روابط انسانی دوره ۵ زمستان ۱۴۰۱ شماره ۱۹ 238 - 258

کلیدواژه‌ها: کاربری اراضی فرسایش ماشین بردار پشتیبان بالیخلوچای مدل تجربی راسل

حوزه‌های تخصصی:
تعداد بازدید : ۲۴۷ تعداد دانلود : ۲۳۰
نوع و شدت فرسایش خاک در یک منطقه، تابع شرایط اقلیمی، پستی و بلندی زمین، خاک و کاربری اراضی است که در این میان اهمیت کاربری اراضی به دلیل نقش مؤثر انسان بر آن نسبت به دیگر عوامل زیادتر است. هدف از این پژوهش ارزیابی و تحلیل میزان فرسایش خاک در حوضه آبخیز بالیخلوچای با استفاده از مدل تجربی RUSLE در استان اردبیل است. به منظور اجرای این تحقیق ابتدا تصویر ماهواره ای منطقه مورد مطالعه مربوط به سال 1400 و ماه خرداد از مرکز تحقیقات زمین شناسی آمریکا دریافت و پس از تصحیحات اتمسفری و رادیومتریک با استفاده از روش طبقه بندی نظارت شده به شیوه ماشین بردار پشتیبان اقدام به تهیه نقشه کاربری اراضی شد. سپس به منظور برآورد میزان فرسایش از مدل RUSLE استفاده شد. جهت تجزیه و تحلیل و تولید نقشه ها در اجرای این تحقیق نیز از نرم افزارهای SPSS 21، Excel، ArcGIS 5.4، Archydro و ENVI 5.3 استفاده شد. لایه پارامترهای مدل RUSLE شامل لایه فرسایندگی باران، لایه خاک، لایه توپوگرافی، لایه پوشش گیاهی و عامل حفاظتی خاک هم چنین آمارهای مختلف مربوط به ایستگاه های باران سنجی، هیدرومتری، نقشه های توپوگرافی 1:50000، زمین شناسی 1:100000 هم چنینDEM (20 متر منطقه) و نیز بهره گیری از سیستم اطلاعات جغرافیایی GIS و سنجش از دور استفاده شده است. نتایج این مطالعه نشان داد که مقدار متوسط فرسایش سالانه خاک برای کل حوضه در دامنه بین 65/6- تا 75/14 تن در هکتار در سال متغیر است. هم چنین بررسی روابط رگرسیونی بین فاکتورهای مدل RUSLE و مقدار فرسایش سالانه خاک نشان داد که فاکتور توپوگرافی (LS) با بالاترین مقدار ضریب تعیین R^2=0/95 بیش ترین اهمیت را در برآورد فرسایش سالانه خاک به وسیله مدل RUSLE دارد.
۵۵.

ارائه مدل پیش بینی تشخیص عوامل ناباروری؛ با استفاده از الگوریتم های داده کاوی(مقاله پژوهشی وزارت بهداشت)

نویسنده:
منبع: مدیریت سلامت دوره ۱۷ پاییز ۱۳۹۳ شماره ۵۷ ۵۷-۴۶

کلیدواژه‌ها: ناباروری مدل داده کاوی K-means ماشین بردار پشتیبان شبکه های عصبی مصنوعی

حوزه‌های تخصصی:
تعداد بازدید : ۲۸۳ تعداد دانلود : ۱۸۳
مقدمه: حدود 15-10 درصد از زوجین نابارور هستند. ناباروری علل متفاوتی دارد و تشخیص روش درمان بیماران بر اساس نوع عامل ناباروری آن ها انجام می شود. در این تحقیق مدلی ارائه شده است که بر اساس ویژگی های اولیه و نتایج آزمایشات ساده علل ناباروری افراد را پیش بینی می کند که می تواند به پزشکان در تشخیص زودهنگام علت ناباروری و تصمیم گیری بهینه کمک کند. روش کار: داده های این تحقیق برگرفته از داده های ناباروری بیمارستان صارم تهران می باشد. در این تحقیق از روش های دادهکاوی استفاده شده است. ابتدا روش خوشه بندی k-means و سپس روش های دسته بندی ماشین بردار پشتیبان (SVM: Support Vector Machine) و شبکه های عصبی مصنوعی به منظور پیش بینی نوع علل ناباروری، اجرا و نتایج دو الگوریتم دسته بندی با هم مقایسه شدند. همچنین برای تحلیل داده ها و اجرای الگوریتم های بخش مدل، از نرم افزار SPSS Clementine 12.0 استفاده شده است. یافته ها: در بخش خوشه بندی بر اساس الگوریتم K-means داده ها به پنج خوشه تقسیم شدند. در هر گروه یک یا چند علت ناباروری مشاهده شد. در ادامه و با اجرای الگوریتم های دسته بندی SVM و شبکه عصبی مصنوعی، مشخص شد که الگوریتم SVM با نوع کرنل چندجمله ای بالاترین کارایی را به دست آورد. نتیجه گیری: انجام این تحقیق علاوه بر اینکه منجر به شناخت بهتر ویژگی های بیماران ناباروری شد، می تواند زمینه ای برای انجام تحقیقات آتی باشد. از آنجائی که با تشخیص علل ناباروری افراد قبل از مراحل ثانویه و آزمایشات سنگین، به مقدار قابل توجهی در هزینه و زمان صرفه جویی و از اثرات جسمی که بر بیماران می گذارد کاسته خواهد شد، می توان در مطالعات آینده با استفاده از نتایج این تحقیق سیستمی را جهت اجرای این مدل پیاده سازی نمود.
۵۶.

توانایی ماشین بردار پشتیبان در پیش بینی احیای مالی(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد مدیریت مالی سال ۱۱ بهار ۱۴۰۲ شماره ۱ (پیاپی ۴۰) 169 - 184

کلیدواژه‌ها: درماندگی مالی احیای مالی الگوریتم لارس ماشین بردار پشتیبان

حوزه‌های تخصصی:
تعداد بازدید : ۳۱۰ تعداد دانلود : ۲۳۶
یکی از مهمترین موضوعات حوزه مدیریت مالی، آن است که سرمایه گذاران بتوانند فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند. یکی از راهکارهای کمک به سرمایه گذاران پیش بینی احیای مالی (خروج از درماندگی) شرکت های دارای درماندگی مالی است. از این رو، این پژوهش در صدد است مدلی جهت پیش بینی احیای مالی با استفاده از الگوریتم ماشین بردار پشتیبان برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارائه نماید. برای دستیابی به این هدف،54 متغیر مالی با استفاده از الگوریتم انتخاب ویژگی لارس تعیین گردید و برای آزمون دقت نتایج مدل پیشنهادی از الگوریتم یادگیر ماشین بردار پشتیبان استفاده شده است. بدین منظور در دوره زمانی 1380 تا1397 اطلاعات 167 شرکت درمانده ای که از درماندگی مالی خارج و احیا شده اند، استخراج گردید. یافته های پژوهش نشان می دهد، مدل تحقیق با دقت 74% زمان احیا و خروج شرکت درمانده مالی را از درماندگی مالی به درستی پیش بینی می نماید. طبقه بندی موضوعی: G40 ، C15.
۵۷.

سیستم پیش بینی زردی نوزادان بر اساس الگوریتم ماشین بردار پشتیبان(مقاله پژوهشی وزارت بهداشت)

نویسنده:
منبع: مدیریت سلامت دوره ۲۵ زمستان ۱۴۰۱ شماره ۴ (پیاپی ۹۰) ۴۴-۲۸

کلیدواژه‌ها: زردی نوزادان ماشین بردار پشتیبان

حوزه‌های تخصصی:
تعداد بازدید : ۳۰۷ تعداد دانلود : ۲۳۴
مقدمه: زردی یکی از مشکلات شایع دوران نوزادی است که حدود 60 درصد از نوزادان رسیده و 80 درصد از نوزادان نارس در هفته اول زندگی به آن مبتلا می شوند. مطالعه حاضر، به منظور ایجاد سیستمی برای پیش بینی زردی نوزادان در 24 تا 72 ساعت اول پس از تولد با بکارگیری الگوریتم ماشین بردار پشتیبان انجام شد. روش ها: این مطالعه از نوع کاربردی -توسعه ای بود که با روش کمی انجام شد. ابتدا بر اساس بررسی متون، پرسشنامه ای حاوی عوامل مؤثر در پیش بینی زردی نوزادان طراحی شد. تحلیل داده ها با استفاده از آمار توصیفی انجام شد و عواملی در مدل لحاظ شد که حداقل 50 درصد از متخصصان آن را ضروری تشخیص دادند. سپس، داده های 1178 نوزاد متولدشده در بیمارستان لولاگر تهران از پرونده زایمان استخراج شد و جهت پیش بینی زردی نوزادان، از چندین الگوریتم یادگیری ماشین استفاده شد که در این میان با توجه به نتایج حاصله جهت مدلسازی نهایی، الگوریتم ماشین بردار پشتیبان استفاده و با سنجه های مختلف ارزیابی گردید. یافته ها: یافته های حاصل از این پژوهش نشان داد که مدل پیشنهادی با الگوریتم SVMبه دلیل ایجاد فاصله بین کلاس ها به عنوان بهترین خروجی انتخاب شد. بنابراین، مدل نهایی الگوریتم SVM با استفاده از هسته گوسی و با سیگمای 1/2360605 ایجاد شد که 30 درصد از نمونه ها (354 مورد) آزمون شدند و از این تعداد 321 مورد به درستی پیش بینی شد. در این مدلسازی سنجه های دقت، سطح زیر نمودار ROC و معیار F1 به ترتیب 92/7 درصد، 93 درصد و 88 درصد بدست آمد. نتیجه گیری: استفاده از SVM در ایجاد سیستم پیش بینی زردی نوزادان می تواند به پزشکان در پیش بینی به موقع زردی نوزادان کمک نماید و امکان انجام اقدامات پیشگیری و جلوگیری از خطرات احتمالی ناشی از زردی نوزادان را فراهم نماید.
۵۸.

مقایسه عملکرد رویکردهای کشف و استخراج موضوعات کتاب های الکترونیکی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه پردازش و مدیریت اطلاعات دوره ۳۸ تابستان ۱۴۰۲ شماره ۴ (پیاپی ۱۱۴) 1369 - 1393

کلیدواژه‌ها: استخراج کلیدواژه های موضوعی متن کاوی مدلسازی موضوعی تجزیه ماتریس نامنفی ماشین بردار پشتیبان کتاب الکترونیکی

حوزه‌های تخصصی:
تعداد بازدید : ۲۷۷ تعداد دانلود : ۲۲۴
استخراج کلمات کلیدی از مسائل مهم در زمینه پردازش و تحلیل متن بوده و خلاصه ای سطح بالا و دقیق از متن ارائه می دهد. بنابراین انتخاب روش مناسب برای استخراج کلمات کلیدی متن حائز اهمیت است. هدف پژوهش حاضر، مقایسه عملکرد سه رویکرد درکشف و استخراج کلیدواژه های موضوعی کتاب های الکترونیکی با استفاده از تکنیک های متن کاوی و یادگیری ماشین است. در این راستا سه رویکرد آزمایشی شامل: 1.اجرای متوالی فرآیند خوشه بندی، ارتقا کیفیت خوشه ها از نظر معنایی و غنی سازی کلمات توقف حوزه خاص؛ 2. استفاده از الگوی کلیدواژه های تخصصی؛ 3. استفاده از بخش های مهم متن در کشف و استخراج واژگان کلیدی و موضوعات مهم متن، معرفی و مورد مقایسه قرار گرفته است. جامعه آماری، شامل 1000 عنوان کتاب الکترونیکی از زیرشاخه های موضوعی حوزه علم اطلاعات و دانش شناسی بر اساس نظام رده بندی کنگره است که بعد از کسب اطلاعات کتابشناختی آن از پایگاه کتابخانه کنگره، اقدام به تهیه متن اصلی گردید. استخراج کلیدواژهای موضوعی و خوشه بندی داده های آموزش به کمک الگوریتم تجزیه نامنفی ماتریس و با سه رویکرد آزمایشی انجام شد و کیفیت و عملکرد خوشه های موضوعی حاصل از اجرای سه رویکرد در بخش دسته بندی خودکار داده های آزمایشی به کمک ماشین بردار پشتیبان مورد مقایسه قرار گرفت. یافته ها نشان داد افت همینگ (0.020) یا میزان خطا در دسته بندی صحیح متون آزمایشی در رویکرد سوم یعنی بهره گیری از بخش های مهم متن در استخراج کلیدواژه های موضوعی، از دو رویکرد دیگر کمتر است. همچنین امتیاز F1 (0.82) که میانگین دو معیار دقت (0.87) و بازخوانی (0.78) و بازتابی از عملکرد درست فرآیند دسته بندی در برچسب گذاری موضوعی متون است، در رویکرد سوم بهتر از نتایج دو رویکرد دیگر است. نتایج تحلیل ها نشان داد که کیفیت و انسجام معنایی خوشه های موضوعی حاصل از رویکرد سوم یعنی استفاده از بخش های مهم متن در کشف و استخراج موضوع، در مقایسه با دو رویکرد دیگر بهتر بود. بعلاوه کلیدواژه های به دست آمده از خوشه های موضوعی رویکرد سوم را می توان در مجموعه های توصیف نشده و ناشناخته به منظور استخراج محتوای موضوعی ناآشکار کل مجموعه به کار برد.
۵۹.

توسعه الگوریتم های یادگیری ماشین جهت پیش بینی شاخص کیفیت هوای شهری (منطقه مطالعاتی: شهر تهران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و مخاطرات محیطی تابستان ۱۴۰۲ شماره ۴۶ 165 - 186

کلیدواژه‌ها: آلودگی هوا یادگیری ماشین جنگل تصادفی ماشین بردار پشتیبان الگوریتم ژنتیک

حوزه‌های تخصصی:
تعداد بازدید : ۴۷۷ تعداد دانلود : ۲۲۸
با توجه به مضرات آلودگی هوا بر سلامت انسان ها و محیط، کاهش و حل این معضل براساس شناخت دقیق آلاینده ها و عوامل تأثیرگذار بر آن و مشخص نمودن پهنه های آلوده ضروری به نظر می رسد؛ بنابراین استفاده از مدل های ریاضی در قالب یادگیری ماشینی رویکردی بهینه و مقرون به صرفه برای مدل سازی آلودگی هواست. این تحقیق به لحاظ هدف کاربردی بوده و روش بررسی آن توصیفی-تحلیلی است. نوآوری تحقیق حاضر ارائه یک رویکرد ترکیبی جدید جهت تعیین معیارهای مؤثر در پیش بینی میزان آلودگی هوا می باشد. لذا هدف از تحقیق حاضر ارزیابی و مقایسه قابلیت دو مدل یادگیری ماشین، یعنی ماشین بردار پشتیبان ( SVM) و جنگل تصادفی ( RF) در ترکیب با الگوریتم ژنتیک (GA) جهت پیش بینی میزان آلودگی هوا در شهرستان تهران است. داده های مورداستفاده در این تحقیق شامل ذرات معلق و آلاینده های گازی شهر تهران مرتبط با سال 1399 می باشد که از شرکت کنترل ترافیک شهر تهران اخذ گردیده است. به منظور تجزیه وتحلیل داده ها از نرم افزارهای Matlab و ArcMap استفاده شد. مقدار ضریب تشخیص (R2)  حاصل از روش ترکیبی RF-GA برابر 997/0 به دست آمد که نشان دهنده سازگاری بالای این مدل با داده های این تحقیق است. همچنین مقدار ریشه میانگین خطای مربعات (RMSE) برابر 153/0 به دست آمد که نشان دهنده دقت بالای این مدل می باشد. بر اساس اطلاعات گرفته شده از شرکت کنترل ترافیک شهر تهران، نتایج حاصل از روش RF بیانگر مناسب بودن انتخاب مدل مذکور جهت برآورد میزان آلودگی هوای شهر تهران بوده است.
۶۰.

بررسی دقت ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک نسبت به روش های متداول خطی در پیش بینی سود هر سهم(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد مدیریت مالی سال ۱۱ پاییز ۱۴۰۲ شماره ۳ (پیاپی ۴۲) 127 - 154

کلیدواژه‌ها: سود هر سهم ماشین بردار پشتیبان الگوریتم ژنتیک مدل های خطی

حوزه‌های تخصصی:
تعداد بازدید : ۱۸۷ تعداد دانلود : ۱۷۵
اطلاعات مربوط به سود و سود پیش بینی شده هر سهم معیارهایی هستند که از دیدگاه بسیاری از استفاده کنندگان با اهمیت تلقی می شوند؛ لذا شرکت ها برای جذب سرمایه گذاران تلاش می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. از سوی دیگر، علی رغم روش های متعدد پیش بینی سود، پیش بینی دقیق سود هر سهم در حوزه مالی کار چندان آسانی نیست و اغلب پژوهشگران درصدد تعیین بهترین روش برای پیش بینی سود هستند؛ بنابراین، هدف اصلی این پژوهش بررسی دقت ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک نسبت به روش های متداول خطی در پیش بینی سود هر سهم است. بدین منظور، نمونه ای متشکل از 100 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1387-1398 بررسی شده است. در راستای دستیابی به اهداف پژوهش، ابتدا با مطالعه پژوهش های پیشین در حوزه پیش بینی سود 14 نسبت مالی اثرگذار بر پیش بینی سود انتخاب شده است. سپس، به منظور ارائه مدلی در زمینه پیش بینی سودآوری شرکت ها، به مقایسه مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک، ماشین بردار پشتیبان و رگرسیون خطی پرداخته شده است. نتایج پژوهش نشان داد مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک در پیش بینی روند حرکتی سود هر سهم بسیار بهتر عمل کرده و در مقایسه با مدل ماشین بردار پشتیبان بر اساس توابع کرنلی و روش رگرسیون خطی از دقت بالاتری برخوردار است. به گونه ای که با توسعه مدل ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک خطای آموزش مدل به مقدار 036/0 کاهش و بر دقت مدل تا 75 درصد افزوده می شود.