مطالب مرتبط با کلیدواژه
۸۱.
۸۲.
۸۳.
۸۴.
۸۵.
۸۶.
۸۷.
۸۸.
۸۹.
۹۰.
۹۱.
۹۲.
۹۳.
۹۴.
۹۵.
۹۶.
۹۷.
۹۸.
۹۹.
۱۰۰.
پیش بینی
حوزههای تخصصی:
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، نیاز به داده های آموزشی فراوان و ضعف در یافتن نقطه بهینه سراسری نیز می-باشند، در این مطالعه با ادغام آنان به صورت یک الگوریتم ترکیبی این نقایص مرتفع شده است. پس از بکارگیری و مقایسه این تکنیک ترکیبی با سایر روش ها در پیش بینی تقاضای انرژی طی سال های 1346 تا 1390 ، نتایج مطالعه قدرت پیش بینی بالاتر تکنیک ترکیبی در کنار قدرت توضیح دهندگی متغیرهای توضیحی بکار رفته را تائید می کند.
شبیه سازی فرایند بارش – رواناب در زیرحوضه ی جنوبی رودخانه ی قره سو با استفاده از مدل شبکه های عصبی مصنوعی(ANNs)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
در سال های اخیر، عدم کنترل به موقع روانابِ حاصل از بارش های غیر مترقبه، عامل تهدید کننده ای در وقوع سیل محسوب می شود. پیش بینی بارش در مدیریت و هشدار معضل سیل نقش مهمی بر عهده دارد. به منظور جلوگیری از خسارات ناشی از سیل و سعی در کنترل و مهار آن، پیش بینی رواناب امری اجتناب ناپذیر به نظر می رسد زیرا با اطلاع از میزان و شدّت بارندگی، می توان امکان وقوع سیل را پیش بینی و اقدامات لازم را به عمل آورد. حوضه ی آبریز رودخانه ی قره سو به ویژه زیرحوضه ی جنوبی این رودخانه، از حوضه های سیل خیز کشور است لذا در این پژوهش، مقادیر رواناب این زیرحوضه، بر اساس آمار بلند-مدت 4 ایستگاه هیدرومتری نیر، پل الماس، گیلانده و نمین و با استفاده از برخی پارامترهای اقلیمی مؤثر بر میزان رواناب این حوضه (شامل متوسط ماهانه ی دما، رطوبت نسبی، بارندگی، تبخیر) و رواناب سال های قبل و با بهره گیری از مدل شبکه های عصبی مصنوعی(ANNs) مدل سازی گردید. برای انجام محاسبات، از نرم افزار مت لب 7 استفاده شد. ورودی های شبکه، داده های متوسط ماهانه ی متغیرهای بارش، دبی رودخانه، دما، رطوبت نسبی و تبخیر سال های قبل و خروجی شبکه، مقادیر متوسط پیش-بینی شده ی دبی ماهانه ی زیرحوضه ی جنوبی رودخانه ی قره سو می باشد. این آمار، بازه ی زمانی سال های 1972 تا 2010 را در بر می گیرد. حدود 90 درصد داده ها (35 سال یا 420 ماه) برای آموزش و 10 درصد باقی مانده (4 سال یا 48 ماه)، جهت تست شبکه به کار رفته و برای هر ماه، یک شبکه با خطای کمتر از 5 درصد طراحی شد. تحلیل نتایج خروجی شبکه ی عصبی نشان داد که این مدل، توانایی بهتر و دقت بالاتری برای شبیه سازی بارش - رواناب نسبت به روش های آماری معمول دارد. نتایج همچنین نشان داد که با افزایش فاکتورهای ورودی به شبکه، دقت بالاتری در پیش بینی به دست می آید. میزان ضریب همبستگی شبکه، 998/0 و میانگین خطای هر شبکه با داده های واقعی، 6/2 درصد به دست آمد. نتایج شاخص های عملکرد شبکه (ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مطلق خطا و ضریب همبستگی) نیز نشان دادند که مقادیر ارائه شده برای پیش بینی رواناب حوضه ی مورد مطالعه، قابل قبول است.
کاربرد مدلسازی آماری و آنالیز ارزش حاصله برای مساله موازنه زمان- هزینه در محیط فازی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
مساله ی موازنه ی زمان وهزینه یکی از مسائل مهم درحیطه ی برنامه ریزی پروژه میباشد. هیچ یک از مطالعات پیشین در این زمینه به بررسی امکان ادغام مساله موازنه زمان-هزینه با عملکرد پروژه در حین اجرای آن به منظور ارائه ی یک مدل یکپارچه برای کنترل و برنامه ریزی پروژه در تمام طول اجرای آن نپرداخته است. مدل ارائه شده در این مقاله به ارائه ی یک ساختار کنترلی جدید میپردازد که شامل برنامه ریزی پیش از شروع پروژه، کنترل عملکرد این برنامه ریزی در فاز اجرا بمنظور بررسی ضرورت برنامه ریزی مجدد و در نهایت ارائه راهکاری برای برنامه ریزی مجدد پروژه میباشد. در مدل مذکور برای هر فعالیت چندین انتخاب وجود دارد و این انتخابها مسیرهای متفاوتی برای اجرای پروژه به وجود می آورند. برای هر انتخاب از فعالیت ها زمان وهزینه بصورت فازی در نظر گرفته شده اند. بهترین مسیر اجرای پروژه با توجه به زمان و هزینه اجرای پروژه در مسیرهای متفاوت، انتخاب میگردد. در ادامه، از روش مدیریت ارزش حاصله برای کنترل شاخص های عملکردی پروژه همچون زمان وهزینه و از روش آماری برای پیش بینی وضعیت آینده ی پروژه استفاده میشود. روش پیشنهادی به تصمیم گیرندگان این امکان را میدهد که با توجه به وضعیت فعلی پروژه برای ادامه ی آن تصمیم گیری کنند و در واقع حیطه ی برنامه ریزی برای پروژه را از قبل شروع آن به زمان اجرای آن انتقال میدهد. نتایج به دست آمده از این مدل میتواند وضعیت پروژه را در آینده پیش بینی نموده، نیاز آن به برنامه ریزی مجدد را مشخص کرده و نحوه ی برنامه ریزی مجدد را تعیین کند.
کاربرد شبکه عصبی مبتنی بر الگوریتم ژنتیک در پیش بینی تقاضای بلندمدت انرژی
حوزههای تخصصی:
پیشبینی تقاضای انرژی جهت عرضه به موقع، تنظیم بازار، هدفگذاری میزان صادرات و ایجاد امنیت انرژی اهمیت ویژهای دارد. روشهای مختلفی برای پیشبینی تقاضای انرژی معرفی شده است که در این بین با توجه به روند غیرخطی و پرنوسان تقاضای انرژی، تکنیکهای غیرخطی نتایج مطلوبتری داشته است. شبکههای عصبی و الگوریتم ژنتیک از مهمترین و پرکاربردترین تکنیکهای غیرخطی در این زمینه میباشند که هر یک نقاط ضعف و قوت خاصی دارند. در این مطالعه با ترکیب شبکه عصبی و الگوریتم ژنتیک، نقایص مذکور مرتفع شده و با الگوریتم ترکیبی معرفی شده به پیشبینی تقاضای انرژی در ایران پرداخته شده است. نتایج مطالعه در پیشبینی تقاضای انرژی طی سالهای 1346 تا 1390 نشان دهنده قدرت پیشبینی بالاتر تکنیک ترکیبی در کنار قدرت توضیحدهندگی متغیرهای توضیحی بکار رفته است.
بررسی عوامل موثر بر تقاضای نفت کشورهای درحال توسعه (مطالعه موردی هندوستان) و پیش بینی کوتاه مدت فروش نفت ایران به این کشور (دوره زمانی 2005-1970)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
مطالعه بازار نفت و بررسی تقاضای نفت کشورهای عمده واردکننده نفت، یک نیاز عمده برای هدایت و راهبرد بازاریابی نفت در کشورهای صادرکننده نفت خام است. به طوری که تخمین تابع تقاضای کشورهای وارد کننده نفت و بررسی عوامل موثر بر تقاضای نفت آنها می تواند عامل مهمی در برنامه ریزی و سیاست گذاری کشورهای صادر کننده برای فروش نفت باشد. ایران نیز از این امر مستثنی نیست با توجه به اینکه ایران یکی از صادرکنندگان عمده نفت است و نفت بیشترین سهم را در صادرات داراست، پس این نیاز در ایران نیز احساس می شود و باعث شده در این زمینه کارهای متعددی انجام گیرد.
لذا در این مقاله تقاضای نفت کشور هند که از خریداران عمده نفت خام ایران می باشد به عنوان یک کشور در حال توسعه مورد بررسی قرار می گیرد. برای این کار ابتدا متغیرهای مهم و تاثیر گذار بر تقاضای نفت مورد بررسی قرار می گیرد که این متغیرها شامل تولید ناخالص ملی، قیمت نفت خام و سهم بخش حمل و نقل و صنعت در تولید ناخالص داخلی می باشد. در این مقاله ابتدا ساختار بازار انر ژی کشور هند را بررسی نموده و سپس مدل مناسبی برای تقاضای نفت خام این کشور طراحی و پس از جمع آوری داده-ها و انجام آزمون های مانایی و همجمعی تابع مذکور برآورد می گردد.
نتایج حاصل نشان می دهد که تمامی ضرایب علامت مورد انتظار تئوریک را دارند. کشش قیمتی 09/0 و کشش در آمدی 08/1 می باشد؛ متغیرهای صنعت، حمل و نقل و مصرف نفت دوره قبل معنادار نبودند.
تأثیر نوسان های دمای سطح آب دریای مدیترانه بر بارش پایکوه های شرقی زاگرس و چاله های مرکزی ایران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
در این پژوهش میـزان تأثیر فـصلی دمای سطح آب دریای مدیترانه[1] (Mediterranean SST) بر بـارشهای فـصلی پایکوههای شرقی زاگرس و چالههای مرکزی ایران بررسی شده است. بدین منظور ابتدا دورههای گرم، سرد و پایه (شرایط معمولی دمای سطح آب دریای مدیترانه) برای دادههای فصلی MedSST در دوره آماری (1970-2005) تعریف شد و سپس میانه آماری بارش در هر دوره با عناوین (به ترتیب Rw،Rc،Rb)[2] برای همه ایستگاهها محاسبه گردید و از مقادیر نسبتهای Rw/ Rb، Rc/ Rb، Rw/ Rc و Rc /Rw به منظور ارزیابی میزان تأثیر این شرایط بر بارش استفاده شد. نتایج نشان داد زمانی که درفصل زمستان MedSST سردتر از معمول باشد، بارش زمستانه منطقه مورد مطالعه افزایش مییابد ولی دمای گرمتر از معمول آن در فصل پاییز باعث افزایش بارش پاییزه منطقه میشود. نتایج حاصل از همبستگی نشان داد که بین نوسانات SST و بارش در فصل زمستان همبستگی منفی، بین نوسانات SST و بارش در فصل پاییز همبستگی مثبت و بین نوسانات MedSST در فصل پاییز و بارش زمستانه ایستگاههای مورد مطالعه همبستگی منفی وجود دارد که در تعدادی از ایستگاهها به صورت معنیدار در سطح 95/0 و 99/0 درصد میباشد. بین نوسانات MedSST در فصل تابستان و بارش پاییزه ایستگاههای مورد مطالعه همبستگی مشاهده نشد. اما تمایل نسبتاً مشخصی بین افزایش بارش پائیزه با دمای گرم مدیترانه ملاحظه میشود.
تحلیل رگرسیونی داده های اقلیمی با استفاده از ایستگاه های انتخابی ایران
حوزههای تخصصی:
هدف از تحلیل رگرسیونی پیش بینی متغیر وابسته از طریق متغیر مستقل می باشد. بر این اساس در تحلیل رگرسیونی محقق به دنبال پیش بینی است. به همین دلیل برای تحلیل های پیشرفته و پیش بینی تغییر در متغیر وابسته در صورت تغییر در متغیر یا متغیرهای مستقل باید از روش های تحلیل رگرسیونی استفاده کرد. وقتی رابطة متغیرها بررسی می شود باید به این نتیجه رسید که متغیرها قابلیت تحلیل رگرسیونی را دارند. در تحلیل رگرسیونی بررسی فرض های خطی بودن، بهنجاری، ثابت بودن واریانس داده و مستقل بودن مشاهدات اهمیت زیادی دارد. لذا کاربرد تحلیل رگرسیونی در مطالعات اقلیمی به منظور بررسی رابطة بین متغیرها و پراکنش آنها می باشد. مراحل اجرای تحلیل رگرسیونی داده های اقلیمی سنجش، تحلیل و پیش بینی است. در مرحلة سنجش محقق باید داده ها را برای تحلیل رگرسیونی ارزیابی کند، سپس شرایط موجود هر ایستگاه را تحلیل کند و در نهایت رابطه و میزان تغییر و پراکنش متغیرها را پیش بینی نماید. با بررسی رابطه و پراکنش متغیرها می توان به وضعیت و شرایط حاکم بر یک ایستگاه پی برد. متناسب با روند تحلیلی مدل های رگرسیونی از سری های دمای ایستگاه های یزد و خرم آباد استفاده شده است.
تعیین روش های برتر سنجش فراگیران در دوره های یادگیری الکترونیکی - رویکرد داده کاوی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
چگونگی سنجش فراگیران و تعیین محتویات مطالب، از فعالیت های ضروری فرایندهای آموزش الکترونیکی می باشند. این فعالیت ها توسط استاد یا آموزشیار صورت گرفته و روش های ارزیابی دانشجویان، نظیر برگزاری آزمونهای برخط یا واگذاری تکالیف مدت دار به آنها تعیین می شوند. در صورتیکه برگزارکنندگان بتوانند از میزان تأثیر هر فعالیت در کیفیت یادگیری فراگیران آگاهی یابند، ضمن صرفه جوئی قابل توجه در وقت و منابع ذینفعان دوره ها، باعث انتقال مطالب مفیدتر و سنجش واقعی تر دانشجویان و در نهایت بهبود آموزش الکترونیکی خواهدشد.
در این مقاله، ابتدا با تکنیکهای فاقد ناظر داده کاوی، به خوشه بندی و توصیف وضعیت موجود فراگیران پرداخته و بکمک قاعده کاوی، قواعد نهفته در داده های آموزش الکترونیکی را استخراج و محتواهای مؤثر در نتیجه ی مطلوب فراگیران را کشف می کنیم؛ سپس، با روش های باناظر، به پیش بینی نتایج دوره ها می پردازیم. با بهره گیری از داده های واقعی فعالیت های یک درس الکترونیکی ارائه شده، و با طراحی چهار روش مختلف برای نمونه برداری داده ها و آموزش سیستم با دو درخت DT و WJ48، پیش بینی ها اجرا شدند و روش ها با نرخ دقت 92.86% اعتبارسنجی گردیدند. نشان داده ایم که اسلوب های این مطالعه می توانند به استاد درس برای شناخت بهتر فراگیران و تأثیر فعالیت های آموزشی خواسته شده از آنان نظیر- توصیف ویژگی های فراگیران بر پایه کشف الگوهای نهفته در نمره های اکتسابی آنان کمک نماید. تعیین فعالیت های مؤثرتر یادگیری و تصمیم گیری درباره ی شاخص های سنجش واقعی تر فراگیران، از مزیت های مهمی است که روش های فناورانه این مطالعه برای بهبود مدیریت دوره های یادگیری الکترونیکی فراهم می کنند.
پیش بینی جهت تغییرات بازده سهام بر اساس حجم معاملات با استفاده از مدل پرابیت برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران
حوزههای تخصصی:
بازده سهام یکی از فاکتورهای مهم در انتخاب بهترین سرمایه گذاری است، بنابراین پیش بینی و مقایسه بازده سهام شرکت های مختلف یکی از روش های بهبود فرآیند سرمایه گذاری است. در این پژوهش سعی بر آن است تا تحلیلی بر رابطه میان حجم معاملات سهام و جهت تغییرات بازده سهام (مثبت یا منفی بودن) ارائه گردد. برای بررسی فرضیه های پژوهش با استفاده از داده های روزانه 76 شرکت در بازار بورس اوراق بهادار تهران، طی دور ه ای 4 ساله از 1386 لغایت 1389 الگوی پروبیت برآورد گردید. جهت بررسی دقیق تر موضوع، فرضیه ها برای طبقات مختلف شرکتهای نمونه از لحاظ حجم معاملات و نسبت بازده صفر بصورت مجزا مورد آزمون قرار گرفتند. نتایج پژوهش نشان می دهد که حجم معاملات سهام تا حدودی دارای قدرت پیش بینی جهت تغییرات بازده در شرکتهای دارای حجم معاملات بالا و نیز شرکتهای با نسبت بازده صفر پایین است. اما برای شرکتهای با حجم معاملات پایین و نسبت بازده صفر بالا، حجم معاملات قدرت پیش بینی مشابه برای توضیح جهت تغییرات بازده های سهام را ندارد .
بررسی ویژگی ها و توان پیش بینی سری های زمانی جریان های نقدی عملیاتی میان دورهای و جایگزین های آن(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پیش بینی جریان های نقدی عملیاتی بر اساس الف : سری جریان های نقدی عملیاتی گزارش شده و یا ب: سایر سری های زمانی به عنوان جایگزین جریان های نقدی عملیاتی انجام می شود. سری های جایگزین، به طور معمول، الگوریتم های ساده ای از اجزای صورتهای مالی هستند. تحقیقات نشان میدهد، ویژگی ها و توان پیش بینی سری های زمانی گزارش شده و جایگزین های آن متفاوت است؛ لذا روایی خارجی تحقیقاتی که بر اساس جایگزین ها انجام می شود، با مشکل همراه است. تحقیق حاضر آثار تفاوت ویژگی های سری زمانی جریان های نقدی عملیاتی میان دوره ای گزارش شده و جایگزین آن را از نظر توان پیش بینی تبیین می کند. بررسی ساختار شایع سری های زمانی جریان های نقدی عملیاتی میان دوره ای گزارش شده و جایگزین 45 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای 18 دوره نشان می دهد: اگرچه بین مقادیر توابع خود همبستگی نمونه (SAC) و خود همبستگی جزئی نمونه (SPAC) و توان پیش بینی سری های زمانی گزارش شده و جایگزین آن تفاوت هایی دیده می شود، اما مدل توصیف کننده رفتار توابع خود همبستگی سری ها یکسان است و توان پیش بینی سری های زمانی از نظر آماری تفاوت معنی داری ندارد.
پیش بینی نرخ تورم و نقدینگی و اثرات آنها بر ارزش افزوده بخش کشاورزی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
یکی از مشکلات اقتصادی ایران در چند دهه گذشته افزایش حجم نقدینگی می باشد که خود منجر به افزایش شاخص قیمت ها و ایجاد تورم می گردد. از سوی دیگر، بخش کشاورزی به عنوان یکی از بخشهای عمده اقتصادی کشور، تحت تاثیر سیاستها و تصمیم گیری های کلان اقتصادی قرار می گیرد. از این رو هدف اولیه این مطالعه پیش بینی حجم نقدینگی و نرخ تورم بود. برای این منظور، پس از بررسی ایستایی و تصادفی بودن متغیرها با استفاده از آزمون ناپارامتریک والیس-مور، الگوهای هارمونیک، ARMAو ARCHبرای پیش بینی استفاده شدند و بهترین الگو برای پیش بینی این متغیرها انتخاب شدند. بر این اساس، الگوی ARMA(2,1)در پیش بینی نرخ تورم و الگوی GARCH(1,1)در پیش بینی نقدینگی دارای خطای کمتر و در نتیجه کارایی بیشتر نسبت به سایر الگوهای مورد استفاده در این مطالعه می باشد. در نهایت به بررسی تاثیر حجم نقدینگی و نرخ تورم بر ارزش افزوده بخش کشاورزی پرداخته شد. نتایج بدست آمده از مطالعه حاضر نشان می دهد که ارتباط مستقیم اما ضعیفی بین حجم نقدینگی، نرخ تورم و ارزش افزوده بخش کشاورزی وجود دارد، علت اثرات ضعیف حجم نقدینگی بر ارزش افزوده بخش کشاورزی می تواند به دلیل ارتباط سیستم پولی کشور و بخش کشاورزی باشد.
پیش بینی فصلی تولید ناخالص داخلی بخش کشاورزی در ایران با استفاده از مدل خودتوضیحی دوره ای (PAR)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
بخش کشاورزی به عنوان یکی از بخش های مهم اقتصادی کشور، با تأمین حدود 14 درصد تولید ناخالص داخلی نقش مهمی در تولید ناخالص داخلی کل کشور دارد. هدف مطالعه حاضر پیش بینی مقادیر آتی تولید ناخالص داخلی بخش کشاورزی با استفاده از الگوی خودتوضیحی دوره ای (PAR) می باشد که به عنوان یکی از تکنیک های جدید سری زمانی فصلی مطرح شده است. برای این منظور داده های سه ماهانه 89:4- 1367:1 GDP بخش کشاورزی مورد استفاده قرار گرفت. ابتدا آزمون ریشه واحد دوره ای فرانسیس پاپ (7) به کار گرفته شد. طبق نتایج به دست آمده داده-های فوق فاقد ریشه واحد دوره ای می باشند. سپس آزمون رفتار فصلی دوره ای بسویچ و فرانسیس (1996) انجام گرفت. نتایج به دست آمده نشان داد الگوی خودتوضیحی دوره ای برای بیان رفتار تولید ناخالص دوره ای بخش کشاورزی بسیار مناسب بوده که این امر امکان به دست آوردن پیش-بینی های صحیح را فراهم می نماید. سپس با استفاده از مدل به دست آمده، تولید ناخالص داخلی کشاورزی سه ماهانه طی دوره زمانی 90:4-91:1 پیش بینی شد. بنابراین با توجه به تناسب این مدل با رفتار تولید بخش کشاورزی، استفاده از آن در مطالعات مربوط به این بخش توصیه می گردد.
ارتباط صنعت توریسم و توسعه اقتصادی در ایران با رویکرد شبکه عصبی (1390-1359)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
گردشگری در بخش اقتصاد، شامل خدماتی است که تأثیر زیادی بر فعالیت های اقتصادی و اجتماعی دارد و شناخت این ارتباطات کمک قابل توجهی به تعامل بین توسعه پایدار و گردشگری خواهد کرد. در این مطالعه، ضمن بررسی وضعیت صنعت گردشگری در ایران، به مدلسازی تقاضای گردشگر در ایران با استفاده از روش شبکه عصبی پرداخته شده است. در مدل متغیرهای ورودی عبارتند از: تعداد گردشگر ورودی به ایران در طی سال های 1359 تا 1390، ارز حاصل از گردشگری در طی این سال ها و همچنین یک متغیر مجازی (عوامل سیاسی) که توسط محقق برای بررسی میزان تأثیر وجود جنگ در منطقه بر روی تقاضای گردشگر تعریف شده است. نتایج نشان می دهد که نرخ ارز بیشترین اهمیت را در مدل داشته و جنگ کمترین اهمیت را در میان عوامل مؤثر بر تقاضای گردشگر در ایران داشته است.
کاربرد الگوریتم جستجوی گرانشی و مدل واریانس ناهمسانی شرطی خودتوضیحی تعمیم یافته در مدل سازی قیمت نفت تک محموله ایران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پیش بینی قیمت نفت خام نقش مهمی در بهینه سازی تولید، بازاریابی و استراتژی بازار دارد. علاوه بر این موارد، نقش مؤثری در سیاست های دولت بازی می کند، چرا که دولت سیاست های خود را فقط نه بر مبنای وضع موجود، بلکه بر مبنای پیش بینی های کوتاه مدت و بلندمدت از متغیرهای کلیدی اقتصادی از جمله قیمت نفت تدوین کرده و به اجرا می گذارد. هدف از انجام این مطالعه مدل سازی و پیش بینی قیمت نفت تک محموله (SPOT) ایران با استفاده از مدل GARCH و الگوریتم جستجوی گرانشی(GSA) است. پیش بینی-های انجام شده در این تحقیق به صورت درون نمونه ای و ایستا بوده به گونه ای که داده ها به دو مجموعه داده های تخمین و داده های پیش بینی تقسیم شده اند. افق پیش بینی به صورت یک دوره به جلو و به مدت یک ماه می باشد. در این مطالعه، مدل هایی که برای پیش بینی قیمت نفت تک محموله ایران انتخاب شده است عبارتند از: (1وGARCH(2 و یک تابع کاب داگلاس برای الگوریتم GSA که تابعی از قیمت 5 روز گذشته می باشد. در پایان عملکرد این سه مدل با یکدیگر مقایسه شده است. برای مقایسه این مدل ها از معیارهای MSE، RMSE، MAE و MAPE استفاده شده که فرآیند GARCH به جز در معیار MAPE در بقیه موارد عملکرد بهتری نسبت به الگوریتم GSA داشته است.
به کارگیری الگوهای رگرسیونی شامل داده های مختلط در مدلسازی و پیش بینی ارزش واردات گندم ایران (روش ARDL تعمیم یافته مبتنی بر OLS)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با توجه به اهمیت مدیریت واردات، مطالعه حاضر بر آنست تا با به کار گیری روش ARDL تعمیم یافته الگوی MIDAS ضمن بررسی عوامل مؤثر، ارزش واردات گندم را پیش بینی نموده و دقت پیش بینی های حاصل با الگوی شامل داده های تطبیق یافته مقایسه گردد. هدف مدل های رگرسیونی MIDAS استخراج مناسب اطلاعات متغیرهای با تواتر بالاتر در راستای مدلسازی و پیش بینی متغیرهای وابسته در تواتر پایین بوده و انتظار بر این است که از این طریق شناسایی بهتر روابط موجود میان متغیرها، پیش بینی دقیق تری در پی داشته باشد. بر اساس نتایج هر دو رگرسیون با داده های تطبیق یافته و MIDAS برای دوره 1357 تا 1382 به عنوان دوره آموزش، ارزش واردات گندم با تولید داخلی و نرخ ارز رابطه مستقیم داشته و متغیر قیمت های نسبی بر ارزش واردات گندم تأثیر منفی داشته است. آماره های دقت پیش بینی مرسوم و آزمون معنی داری اختلاف خطای پیش بینی الگوهای رقیب حاکی از آنست که الگوی MIDAS شامل داده های سالانه ارزش واردات گندم، تولید و قیمت های نسبی گندم و اطلاعات فصلی نرخ ارز به طور معنی داری دقت پیش بینی ارزش واردات گندم در دوره 1383 تا 1387 به عنوان دوره آزمون را بهبود بخشیده است. بر این اساس پیشنهاد می گردد تا در راستای ارتقاء دقت مدلسازی و پیش بینی ارزش واردات کشاورزی به ویژه محصولات وارداتی استراتژیک روش های پیش بینی با داده های مختلط با دقت بالای پیش بینی جایگزین الگوهای با داده های تطبیق یافته گردند.
سنجش ضریب احتمال ورشکستگی شرکت های بورس اوراق بهادار تهران (با استفاده از مدل اوهلسون)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
در این مقاله ضریب احتمال ورشکستگی شرکت های فعال در بورس اوراق بهادار تهران محاسبه شده است. در پژوهش پیش رو با بررسی آخرین صورت حساب مالی حسابرسی شده 49 شرکت ورشکسته در دوره زمانی 1383 تا 1391 و 64 شرکت پیشرو بورس در سال 1391، مدل اوهلسون با تکنیک لاجیت برای این صنایع تخمین زده شده است. نتایج به دست آمده نشان می دهدکه متغیر نسبت بدهی کل به دارایی کل تأثیرگذارترین متغیر بر احتمال ورشکستگی در صنایع بورسی است و متغیر نسبت جریان وجوه حاصل از عملیات به بدهی کل در ایران نسبت به استاندارد متعارف جهانی نقش بسیار کم رنگ تری دارد. دلیل این اختلاف را می توان در سطح پایین و گاها منفی جریان وجوه حاصل از عملیات در شرکت های پیشرو بورس اوراق بهادار یافت که حاکی از شرایط نابسامان اقتصادی در بخش تولید و صنعت کشور است. نتایج بررسی 40 شرکت اخراج شده از بورس با مدل تخمینی نشانگر آن است که با تداوم فضای کسب و کار فعلی، از این شرکت ها، 7 شرکت سالم و مابقی با ورشکستگی روبرو خواهند شد.
استدلال های علّی در گزارشگری مالی و افشا داوطلبانه
حوزههای تخصصی:
استدلال علّی شامل درک علّت رویدادهایی است که در گذشته رخ داده (تشخیص) و پیش بینی رویدادهایی است که در آینده رخ خواهد داد (پیش بینی). این نوع استدلال بخش مهمی از گزارشگری مالی و افشا داوطلبانه را تشکیل می دهد، با این حال، پژوهش های بسیار اندکی از این استدلال ها به عنوان مبنایی برای توسعه و تفسیر ایده های پژوهشی قابل آزمون استفاده کرده اند. این مطالعه دارای اهداف دوگانه است: اول، مرور نظریه های اصلی روان شناسی مرتبط با استدلال علّی. دوم، شناسایی راه های استفاده از این نظریه ها در زمینه پژوهش های رفتاری گزارشگری مالی و افشا داوطلبانه. نتایج نشان می دهد که نظریه های استدلال علّی در گزاشگری مالی و افشا داوطلبانه به صورت بالقوه دارای کاربردهای با اهمیتی می باشد.
یک مدل تلفیقی از شبکههای عصبی مصنوعی، تبدیل موجک و ARMA در پیشبینی تقاضای آب شهری
حوزههای تخصصی:
پیش بینی تقاضای آب شهری کمک موثری است به مدیران و بهره برداران سیستم های آب شهری میباشد تا بتوانند نسبت به مدیریت صحیح مصرف اقدام نمایند. در این راستا پیشبینی دقیق تقاضا از این نیاز حیاتی در دورههای زمانی مختلف حایز اهمیت میباشد. در این پژوهش با طراحی یک روش جدید که تلفیقی از مدلهای خطی و غیرخطی است، به بررسی روند تقاضای روزانه آب شهر تهران و عوامل موثر بر تقاضای روزانه این حامل پرداخته شد. دراین تحقیق، تقاضای روزانه آب شهری براساس مدلهای ARMA، شبکه عصبی مصنوعی و مدل تلفیقی برای 10 روز آینده به صورت ""گام به گام""پیشبینی گردید. در طراحی شبکه عصبی مصنوعی و مدل تلفیقی، عوامل موثر بر تقاضای روزانه آب شهری، دمای هوا (حداقل، حداکثر و متوسط)، روزهای هفته، ایام تعطیلات و روزهای خاص در نظر گرفته شد. نتایج حاصل از به کارگیری معیارهای ارزیابی دقت پیشبینی نشان میدهد مدل تلفیقی نسبت به بقیه الگوها دارای خطای کم و دقت بالایی در پیشبینی تقاضای روزانه آب شهری است. پساز مدل تلفیقی، شبکه عصبی مصنوعی و فرآیند ARMA به ترتیب در اولویتهای بعدی قرار گرفتند.
تأثیر تمرینات پیلاتس بر بهبود عملکرد شناختی سالمندان مرد غیرفعال شهر کرمانشاه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با افزایش سن تغییراتی در عملکرد شناختی نظیر پیش بینی و زمان واکنش در افراد رخ می دهد. به نظر می رسد فعالیت منظم فرد در طول عمر به تأخیر اجرای این عوامل بستگی دارد. هدف از این تحقیق بررسی تأثیر تمرینات پیلاتس بر بهبود عملکرد شناختی سالمندان مرد غیرفعال شهر کرمانشاه بود. 40 مرد سالمند غیرفعال با میانگین سنی 54/6±15/72 سال، از مراکز نگهداری سالمندان شهر کرمانشاه انتخاب، و به صورت کاملاً تصادفی به دو گروه تجربی و کنترل تقسیم شدند. در ادامه گروه آزمایش به مدت 8 هفته پروتکل تمرینی پیلاتس را اجرا کردند. هر دو گروه در پیش آزمون و پس آزمون عملکرد شناختی، شرکت داده شدند. داده های پیش آزمون و پس آزمون با استفاده از t همبسته، و مقایسه پس آزمون های دو گروه با استفاده از t مستقل تجزیه وتحلیل شد. یافته ها نشان داد گروه تمرینی پیلاتس افزایش معناداری در عملکرد وضعیت شناختی و زمان واکنش در مرحله پس آزمون نسبت به گروه کنترل داشت (P<0.05)، اما تفاوت معناداری بین دو گروه در عملکرد پیش بینی مشاهده نشد. الگوی یافته های حاضر نشان می دهد که تمرینات پیلاتس می تواند موجب بهبود عملکرد شناختی سالمندان شود.
ارزیابی کارایی مدل درخت تصمیم در پیش بینی بارش ایستگاه سینوپتیک کرمانشاه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
بارش یکی از اجزای اصلی بیلان منابع آب بوده و پیش بینی آن می تواند در مدیریت تامین آب کشاورزی مدیریت منابع آب موجود در مخازن سدها و ... مفید باشد. درخت تصمیم به عنوان یکی از مدل های پیش بینی، کارایی زیادی در این زمینه دارد و به تولید قانون می-انجامد. در این پژوهش جهت رسیدن به اهداف از ارزیابی کارایی مدل درخت تصمیم جهت پیش بینی بارش در ایستگاه سینوپتیک کرمانشاه و از الگوریتم CART (Classification And Regression Tree) به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش بینی بارش 30 ماه بعد استفاده شده است. داده های مورد استفاده این پژوهش مربوط به آمار ماهیانه بارندگی، تبخیر، رطوبت نسبی، دمای ماکزیمم، دمای متوسط و سرعت باد در دوره آماری(1389- 1349) می باشد. سپس جهت ارزیابی درخت های ایجاد شده در این پژوهش از معیارهای آماری مختلف استفاده شده است که در نهایت نتایج نشان می دهد در ایستگاه سینوپتیک کرمانشاه درخت تصمیم گیری رگرسیونی، مدلی نسبتاً کارا در پیش بینی بارش می باشد که استفاده از میانگین متحرّک نسبت به سایر حالات منجر به افزایش چشمگیر کارایی مدل درخت تصمیم می شود و در صورت تعدیل دامنه تغییرات داده های ورودی قادر است با ضریب اطمینان بالایی میزان بارش را 30 ماه قبل از وقوع برآورد نماید که در شبیه سازی های صورت گرفته، زمانی که از میانگین متحرّک پنج ساله داده ها برای اجرای مدل استفاده گردیده، ترکیب بارش قبلی، دمای ماکزیمم به عنوان مناسب ترین حالت شناسایی شده است.