مطالب مرتبط با کلیدواژه

پیش بینی


۱۶۱.

مدل سازی و پیش بینی میزان مصرف گاز طبیعی به کمک شبکه های عصبی نوع GMDH چند هدفی. مطالعه موردی: شرکت گاز شهر رشت(مقاله علمی وزارت علوم)

نویسنده:
منبع: انرژی ایران دوره نوزدهم زمستان ۱۳۹۵ شماره ۴ (پیاپی ۶۰)

کلیدواژه‌ها: پیش بینی مدل سازی مصرف گاز شبکه عصبی نوع GMDH

حوزه‌های تخصصی:
تعداد بازدید : ۱۱۵۶ تعداد دانلود : ۴۳۲
مصرف گاز به عنوان منبع انرژی پاک، برای مصارف صنعتی و گرمایشی و حمل و نقل، به طور گسترده ای پذیرفته شده است و از میان سوخت های فسیلی، مصرف گاز برای داشتن محیط زیستی پاک تر مورد توجه بسیار قرار گرفته است. بدلیل اهمیت تأثیر مشخصه های هواشناسی در مصرف گاز شهرها و نیز امکان کاهش ناگهانی دما و در نتیجه افزایش میزان مصرف گاز شهرها، ضرورت اطلاع و پیش بینی مصرف گاز امری اجتناب ناپذیر است که دراین تحقیق به آن پرداخته شده است. در ابتدا برخی از متغیرهای تاثیرگذار بر مصرف گاز با استفاده از روش شناسی سطح پاسخ شناسایی گردیده است. در ادامه شبکه عصبی نوع GMDH برای مدل سازی و پیش بینی میزان گاز طبیعی مصرفی در بخش خانگی، با استفاده از مجموعه داده های ورودی-خروجی مورد مطالعه قرار گرفته است. برای ارزیابی مدل پیشنهادی، 84 داده مربوط به 7 سال متوالی از شرکت گاز شهر رشت به صورت موردی بدست آمده است. به منظور مدل سازی، داده ها به دو دسته (70% برای آموزش و 30% برای آزمایش) تقسیم شده اند. نتایج حاصل از مدل سازی با داده های تجربی مقایسه گردید که ضریب تعیین 0.8943 بوده و تطابق بسیار خوبی با نتایج تجربی نشان داده است.
۱۶۲.

پیش بینی قیمت مسکن برای شهر اهواز: مقایسه مدل هدانیک با مدل شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد و مدیریت شهری سال پنجم تابستان ۱۳۹۶ شماره ۱۹

کلیدواژه‌ها: مسکن پیش بینی قیمت مسکن مدل هدانیک شهر اهواز مدل شبکه عصبی مصنوعی

حوزه‌های تخصصی:
تعداد بازدید : ۱۶۶۰ تعداد دانلود : ۹۰۲
تعیین و برآورد قیمت مسکن در مناطق شهری، از اهمیت زیادی برای دولت، سرمایه گذاران خصوصی و دولتی و افراد عادی برخوردار است. این تخمین می تواند در برنامه ریزی و تصمیم گیری های آینده در بسیاری از سیاست های شهری و منطقه ای مورد استفاده قرار گیرد. در این راستا به دلیل اهمیت بالای قیمت مسکن در دهه های اخیر، استفاده از توابع قدرتمند و کارا برای پیش بینی و تخمین قیمت مسکن مرسوم شده است. پژوهش حاضر، با هدف ارائه مدلی بهینه برای پیش بینی قیمت مسکن و تعیین عوامل تأثیرگذار بر قیمت مسکن در کلان شهر اهواز و نیز مقایسه ای بین دو مدل هدانیک و شبکه عصبی مصنوعی انجام شده است. ماهیت پژوهش، توسعه ای-کاربردی و روش انجام آن، توصیفی- تحلیلی می باشد. در این پژوهش، 286 نمونه واحد مسکونی در سال 1394 براساس 27 متغیر مربوطه به منظور پیش بینی قیمت مسکن، مورد ارزیابی قرار گرفته است. در این تحقیق از تابع هدانیکی نیمه لگاریتمی و شبکه عصبی پرسپترون چند لایه (MLP) استفاده شده است. برای مقایسه دو مدل از لحاظ توانایی پیش بینی، از معیارهای R2، MSE، RMSE، MAPE، MAE و ضریب TIC استفاده شده است. نتایج مدل هدانیک نشان دادند از میان 27 متغیر مدل، 18 متغیر معنی دار بودند و با مقایسه نتایج و مقدار برآوردها، مشخص شد که قیمت مسکن در اهواز بیشتر از عوامل فیزیکی و ساختاری تأثیر می پذیرد. برای بررس ی تفاوت در دقت پیش بین ی مدل های مختلف ب رای پیش بینی قیمت مس کن در شه ر اهواز، از آزم ون مورگان-گرنجر- نیوبلد استفاده شده است. نتایج به دست آمده از آزمون نشان دادند که تفاوت قدرت پیش بینی دو مدل از لحاظ آماری نیز معنی دار است که نشان دهنده کارایی بهتر و عملکرد مناسب تر شبکه عصبی مصنوعی (98 درصد) نسبت به مدل رگرسیون هدانیک (88 درصد) است.
۱۶۳.

پیش بینی نرخ رسمی ارز در ایران با استفاده از مدل خودرگرسیونی ARIMA همراه با عامل های مداخله ای و مقایسه ی آن با مدل گام تصادفی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد و تجارت نوین سال دوازدهم بهار ۱۳۹۶ شماره ۱

کلیدواژه‌ها: پیش بینی نرخ ارز رسمی مدل گام تصادفی پیش بینی نرخ ارز مدل خودرگرسیونی ARIMA عامل های مداخله ای

حوزه‌های تخصصی:
تعداد بازدید : ۱۷۰۱ تعداد دانلود : ۱۵۲۹
نرخ ارز یکی از متغیرهای مهم و کلیدی اقتصادی می باشد که می تواند با تأثیر بر وضعیت تجارت خارجی و تراز پرداخت ها، تأثیرات به سزایی بر وضعیت تولید، تورم، اشتغال و سایر متغیرهای اقتصاد کلان بگذارد. با توجه به تغییرات فراوان نرخ ارز در ایران طی سی و پنج سال گذشته و علاوه بر آن با توجه به وابستگی درآمدهای ارزی کشور به صادرات نفت خام و وابستگی بودجه های سنواتی به نرخ ارز، تعیین نرخ ارز و پیش بینی نوسانات آن ضمن کاهش ریسک نوسانات نرخ ارز، منجر به برنامه ریزی بهتر در بودجه های سنواتی، واردات مواد اولیه مورد نیاز کشور و نیز صادرات غیرنفتی می شود. بر این اساس مقاله حاضر به مدل سازی و پیش بینی نرخ رسمی ارز در ایران با استفاده از مدل خودرگرسیونی ARIMA همراه با عامل های مداخله ای می پردازد و این الگو را با مدل گام برداری تصادفی مقایسه می کند. ابتدا با استفاده از نرم افزار R و بکارگیری داده های نرخ رسمی ارز از سال 1357 تا 1394، دو مدل مذکور برازش شده و مقایسه می شوند و در مرحله بعد با مدل مناسب، نرخ رسمی ارز برای سال های 1395 تا 1404 پیش بینی می شود. نتایج حاکی از آن است که مدل ARIMA همراه با عامل های مداخله ای عملکرد بهتری در مقایسه با مدل گام تصادفی دارد.
۱۶۴.

چشم انداز مصرف برق کشور در دوره 2100-2011 تحت شرایط تغییر اقلیم با استفاده از ریزمقیاس نمایی برونداد مدل های گردش عمومی جوّ(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و برنامه ریزی محیطی دوره ۲۷ زمستان ۱۳۹۵ شماره ۴ (پیاپی ۶۴)

کلیدواژه‌ها: انرژی پیش بینی تغییر اقلیم دما ریزمقیاس نمایی مدل گردش عمومی جو

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. حوزه‌های تخصصی جغرافیا رشته های جغرافیای عمومی جغرافیای اقتصادی
تعداد بازدید : ۸۵۸ تعداد دانلود : ۵۳۵
تولید و مصرف انرژی برق در کشور، یکی از موضوعات مهم در سیاست گذاری و برنامه ریزی های کلان توسعه ای کشور است. مطالعات نشان می دهد بر اثر پدیده گرمایش جهانی میانگین دمای کره زمین در دهه های آینده افزایش خواهد داشت که این وضعیت موجب افزایش تقاضای برق و مصرف انرژی می شود. بررسی روند برق مصرفی کشور در سال های گذشته، گویای وجود ارتباط معنادار بین میزان برق تولیدی و میانگین دمای کشور در مقیاس های زمانی 5 تا 10 سال است. در این پژوهش با استفاده از آمار دما و برق مصرفی سالانه کشور و به کارگیری ریزمقیاس نمایی آماری برونداد، سه مدل گردش عمومی جوّ HadCM3، NCCCSNو MPEH5 میزان انرژی برق مورد نیاز کشور برای دهه های آتی شبیه سازی شد. در شبیه سازی میزان برق مورد نیاز آینده، رفتار بین برق مصرفی - میانگین دمای کشور مد نظر قرار گرفت. نتایج نشان دادند دمای میانگین کشور در سه دوره 2040-2011، 2070-2041 و 2100-2071 به ترتیب 2/1، 4/2 و 6/3 در مقایسه با دوره پایه 90-1961 افزایش خواهد یافت. این افزایش دما موجب خواهد شد تا میزان تقاضای انرژی برق کشور به ترتیب 51، 4/81 و 2/117 مگاوات نسبت به دوره 90-1386 افزایش یابد. یافته های این پژوهش می تواند در برنامه ریزی های کلان توسعه بخش انرژی کشور، ساخت نیروگاه های جدید و سازگاری با تغییر اقلیم استفاده شود.
۱۶۵.

پیش بینی روند تغییرات یخبندان در ایستگاه هواشناسی کاشان(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و برنامه ریزی محیطی دوره ۲۸ پاییز ۱۳۹۶ شماره ۳ (پیاپی ۶۷)

کلیدواژه‌ها: پیش بینی کاشان یخبندان الگو های گردش عمومی جو الگوی لارس

حوزه‌های تخصصی:
تعداد بازدید : ۷۴۵ تعداد دانلود : ۴۵۶
در این پژوهش، به منظور آگاهی از روند پدیده یخبندان طی سال های آینده در ایستگاه کاشان، روزهای یخبندان این ایستگاه الگو سازی شد. در این راستا، مقایسه و انتخاب بهترین الگوی برازش داده شده به سری با الگو های گردش عمومی جو بررسی شد. پس از گردآوری داده های روزانه ایستگاه همدید کاشان در دوره آماری 2010-1973، با توجه به داده های الگوی گردش عمومی جو در دوره 2030-2011 و انتخاب سناریوی انتشار A1، از میان الگو های گردش عمومی جو، پنج الگوی کاربردی شامل BCM2، HADCM3،IPCM4 ،GIAOM، HADGEM برگزیده و داده های اقلیمی ایستگاه با نرم افزار LARS-WG ریزگردانی شد. به منظور ایجاد داده های روزانه تا سال 2030، میانگین و انحراف معیار هر الگو با محاسبه بایاس و خطای مطلق مقایسه شد. با توجه به کمترین میزان خطای مطلق در میان الگو ها، الگوی GIAOM به منظور پیش بینی داده های مصنوعی دمای کمینه و بیشینه و نیز بررسی یخبندان های کاشان برای بازه اقلیمی آینده برگزیده شد. نتایج الگوی GIAOM نشان داد که بیشترین افزایش در میانگین کمینه و بیشینه دما در آینده در فصل های تابستان و پاییز و کمترین میزان افزایش دما در فصل های زمستان و بهار خواهد بود؛ این موضوع، نشان دهنده این است که باید در انتظار تابستان ها و پاییزهای گرم تری بود. نتایج بررسی روند یخبندان ها نشان داد که از تعداد روزهای با یخبندان ضعیف، متوسط و شدید در آینده کم خواهد شد. در این بین، بیشترین میزان کاهش تعداد روزهای یخبندان، مربوط به یخبندان های ضعیف خواهد بود. کاهش تعداد روزهای یخبندان در ایستگاه کاشان، نشان دهنده تأثیرپذیری اقلیم این منطقه از پیامدهای گرمایش جهانی است و درواقع، حساسیت تعداد روزهای یخبندان این منطقه را به این پدیده نشان می دهد.
۱۶۶.

ارزیابی تأثیر تغییر اقلیم بر تراز آب زیرزمینی حوضه آبریز تسوج(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و برنامه ریزی سال ۲۱ تابستان ۱۳۹۶ شماره ۶۰

کلیدواژه‌ها: پیش بینی حوضه آبریز تسوج ریزمقیاس نمایی آماری همبستگی متقاطع

حوزه‌های تخصصی:
تعداد بازدید : ۹۰۶ تعداد دانلود : ۴۸۷
با توجه به نقش مهم پارامترهای اقلیمی از جمله تابش، دما، بارش و در نهایت تبخیر در مدیریت منابع آب، هدف تحقیق حاضر، بررسی تغییر اقلیم در حوضه آبریز تسوج تحت سناریوهای A2، A1B و B1 و نحوه واکنش تراز آب زیرزمینی به این تغییرات در دوره 2030-2013 می باشد. برای انجام این پژوهش از آمار ایستگاه های تبخیر سنجی چرچر و شرفخانه و ایستگاه سینوپتیک خوی (2012-1985) و هم چنین داده های تراز آب حوضه آبریز تسوج بین سال های 2012-2000 استفاده شد. داده های دما، بارش و ساعات آفتابی با نرم افزار LARS-WG و تراز آب زیرزمینی با شبکه عصبی مصنوعی برای دوره مذکور پیش بینی گردید. نتایج نشان دهنده کاهش بارش و افزایش دما در هر سه سناریوی مورد مطالعه می باشد. حداکثر افت تراز آب در سناریوی A2 و حداقل افت تراز آب زیرزمینی در سناریویB1 اتفاق خواهد افتاد. هم چنین بررسی همبستگی متقاطع نشان دهنده تأثیر بارش بر تراز آب زیرزمینی حوضه تسوج با تأخیر زمانی 2 ماهه می باشد.
۱۶۷.

برآورد تقاضای سفر گردشگران ایرانی به ترکیه با استفاده از شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و برنامه ریزی سال ۲۱ پاییز ۱۳۹۶ شماره ۶۱

کلیدواژه‌ها: پیش بینی شبکه عصبی مصنوعی تقاضای سفر

حوزه‌های تخصصی:
تعداد بازدید : ۸۵۵ تعداد دانلود : ۵۹۲
برای شهروندان ایرانی سفر به ترکیه بدون داشتن ویزا مقدور بوده و عمده ترین دلایل شهروندان ایرانی برای سفر به ترکیه را می توان؛ استراحت و گذران اوقات فراغت، بهره مندی از جاذبه های م ختلف طبیعی، ساحلی، انسانی، تجارت، داد و ستد؛ مخصوصاً خرید البسه و پ وشاک؛ بر شمرد. گردشگری یکی از اصلی ترین محرک های اقتصادی کشور ترکیه محسوب می شود. افزایش یا کاهش تعداد گردشگران ایرانی در ترکیه به عوامل متعدد اقتصادی، سیاسی در سطح ملی و بین المللی ربط دارد. برآورد دقیق تقاضای گردشگری موضوعی مهم و حیاتی برای صنعت توریسم به شمار رفته و پیش بینی دقیق تقاضای گردشگری می تواند اطلاعات مفیدی را برای برنامه ریزی و سیاست گذاری های آتی در رابطه با توریسم فراهم سازد. هدف این مقاله پیش بینی تقاضای سفر به ترکیه از طرف گردشگران ایرانی می باشد. تکنیک مورد استفاده برای پیش بینی تقاضای سفر شبکه های عصبی مصنوعی می باشد. متغیرهای اثر گذار بر روی تقاضای گردشگری ایرانیان با بررسی پیشینه تحقیق استخراج شد و جمعاً 13 متغیر را این تحقیق برای پیش بینی تقاضای گردشگری به  کار رفت. نتایج به دست آمده از تحقیق نشان می دهد که برآوردهای به دست آمده در مقایسه با داده های واقعی از خطای کم تری برخوردار هستند. طبق یافته های تحقیق چهار متغیر مهم اثر گذار بر تقاضای گردشگری از طرف شهروندان ایرانی؛ میزان تولید روزانه نفت خام در ایران، نرخ تورم در ایران، تولید ناخالص داخلی در ترکیه، تولید ناخالص داخلی در ایران به ازای افراد شاغل است.
۱۶۸.

تعیین بهترین مدل سری زمانی در پیش بینی بارندگی سالانه ایستگاه های منتخب استان آذربایجان غربی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات کاربردی علوم جغرافیایی سال هفدهم بهار ۱۳۹۶ شماره ۴۴

کلیدواژه‌ها: پیش بینی خودهمبستگی سری زمانی آریما بارندگی سالانه

حوزه‌های تخصصی:
تعداد بازدید : ۶۲۹ تعداد دانلود : ۲۱۷۱
بارندگی یکی از مهمترین اجزای چرخه آب بوده و به عنوان یکی از مهمترین مولفه های ورودی به چرخه های هیدرولوژیکی بشمار می رود که در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی را ایفا می کند. در این پژوهش برای پیش بینی بارندگی سالانه ایستگاه های سینوپتیک مهاباد، ارومیه و ماکو در استان آذربایجان غربی در دوره آماری 92-1363، از سری زمانی آریما استفاده شد. برای بررسی ایستایی مدل توابع خودهمبستگی (ADF) و خودهمبستگی جزیی (PACF) بکار رفت و با روش تفاضل گیری داده های ناایستا به داده ایستا تبدیل شدند. با ایستا کردن داده ها از مدل های تصادفی برای پیش بینی میانگین بارندگی سالانه استفاده گردید. با در نظر گرفتن معیارهای ارزیابی مدل شامل آماره T، P-VALUE کمتر از 05/0 و معیار اطلاعات بیزی (BIC), مدل(1,0,0) ARIMA، مدل(0,1,1) ARIMA و مدل(0,1,1) ARIMA به ترتیب در ایستگاه های ارومیه، ماکو و مهاباد به عنوان مدلی مناسب جهت پیش بینی بارندگی سالانه تعیین و بارش به مدت سه سال (95-1392) پیش بینی شد. نتایج نشان دهنده افزایش بارش است که براساس آمار بارندگی موجود در سال های مربوطه، نتایج مدل برازش یافته قابل قبول است.
۱۶۹.

برآورد احتمال نکول مشتریان حقیقی بانک با استفاده از روش شبکه های عصبی (مطالعه موردی: بانک پاسارگاد)

نویسنده:
منبع: مطالعات مالی و بانکداری اسلامی سال سوم پاییز و زمستان ۱۳۹۶ شماره ۶ و ۷

کلیدواژه‌ها: پیش بینی شبکه عصبی داده کاوی ریسک اعتباری

حوزه‌های تخصصی:
تعداد بازدید : ۱۱۲۹ تعداد دانلود : ۱۱۶۲
شناسایی عوامل اصلی نکول و استفاده از این اطلاعات در تصمیم گیری برای پرداخت تسهیلات، می تواند در کاهش هزینه های بانک نقش بسیار موثری داشته باشد. تحقیق حاضر با هدف شناسایی عوامل موثر بر ایجاد نکول و پیش بینی احتمال نکول متقاضیان حقیقی بانک پاسارگاد، با استفاده از روش شبکه های عصبی انجام شده است. نمونه مورد بررسی، شامل اطلاعات پرونده تسهیلات 470 مشتری، از جامعه آماری 25342 مشتری شعب بانک پاسارگاد شهر تهران، در سال های 1392 تا 1393 است. نتایج اجرای مدل نشان می دهد که روش شبکه های عصبی می تواند با دقت 92 درصد پیش بینی مناسبی از احتمال نکول متقاضیان داشته باشد. طبق نتایج این روش، متغیرهایی چون سوء سابقه مالی و نوع وثیقه، تاثیر زیادی بر روی پیش بینی داشته اند.
۱۷۰.

پیش بینی درآمدهای مالیاتی با استفاده از الگوریتم بهینه سازی ازدحام ذرات (PSO)(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مدل سازی اقتصادی زمستان ۱۳۹۶ شماره ۳۰

کلیدواژه‌ها: مالیات پیش بینی مدلسازی شبکه های عصبی بهینه سازی الگوریتم ازدحام ذرات (PSO)

حوزه‌های تخصصی:
تعداد بازدید : ۸۲۶ تعداد دانلود : ۵۹۹
پیش بینی درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع محدود سازمانی در جهت وصول مالیات، دولت را در انجام برنامه ریزی های دقیق مالی کمک می نماید. این مقاله با استفاده از الگوریتم تکاملی ازدحام ذرات و نسخه بهبودیافته آن به پیش بینی درآمدهای مالیاتی کشور به تفکیک منابع وصولی (مالیاتهای کل، کالا وخدمات، اشخاص حقوقی، درآمد و ثروت) برای سالهای 95-1392 می پردازد. به این منظور از داده های درآمدهای مالیاتی سالهای 86-1350 برای آموزش شبکه استفاده شده و سپس با استفاده از الگوریتم تکاملی ازدحام ذرات و ازدحام ذرات بهبود یافته پارامترهای این مدل بهینه شده است. از داده های سالهای 91-1387 برای آزمون مدل استفاده شده که نتایج تاییدی بر عملکرد مدل مورد استفاده بوده و در نهایت پیش بینی برون نمونه ای درآمدهای مالیاتی به تفکیک منابع وصولی برای سالهای 95-1392 با استفاده از نرم افزار MATHLAB انجام شده است.
۱۷۱.

تحلیل روند تغییرات و پیش بینی پارامترهای حدی دمای ناحیه جنوبی دریای خزر(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات کاربردی علوم جغرافیایی سال هجدهم بهار ۱۳۹۷ شماره ۴۸

کلیدواژه‌ها: تحلیل روند پیش بینی مدل سازی تغییر اقلیم دمای حدی

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی جغرافیا فنون جغرافیایی سنجش از راه دور GIS
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
تعداد بازدید : ۹۴۹ تعداد دانلود : ۸۴۲
افزایش دمای کره زمین باعث بروز ناهنجاری هایی در اقلیم کره زمین می شود که این امر بر تمام زوایا زندگی و حیات بشر تاثیر گذار است. در این راستا، هدف از این مطالعه بررسی تغییرات دما و پیش بینی دمای حدی (حداکثر و حداقل دما) در استان گیلان و مازندارن است. جهت این بررسی از مدل آماری- دینامیکی SDSM و برای تحلیل تغییرات و روند دما از تکنیک آماری و گرافیکی من- کندال استفاده شده است. داده های روزانه دمای ایستگاه رشت، رامسر و بابلسر طی دوره آماری 1961 تا 2010 از سازمان هواشناسی کشور و نیز داده های مدل گردش عمومی HadCM3 از پایگاه های مربوطه اخذ شد. دوره مورد مطالعه به سه دوره تقسیم بندی شد. نتایج حاکی از وجود روند مثبت معنی دار در حداقل و حداکثر دمای ماهانه و سالانه هر سه ایستگاه در دوره اول و سوم است. همچنین در دوره دوم، روند معنی داری در دماهای حدی رامسر و حداکثر دمای رشت دیده نمی شود. آزمون گرافیکی کندال بر روی دماهای حد سالانه سه دوره اعمال شد که نتایج حاصل نشان داد که با عدول از مرز بحرانی 1/96± در سطح 95 درصد اطمینان وقوع تغییرات از نوع روند افزایشی و نیز تغییرات از نوع ناگهانی در هر سه ایستگاه رخ داده است. در دوره پیش بینی شده، بیش ترین تغییر در حداقل دمای ماهانه و سالانه دیده می شود. افزایش حد دما حدوده 0/1 تا 1/7 درجه سانتیگراد پیش بینی شد. نوسانات کوتاه مدت و رخداد روند مثبت معنی دار هم در حداکثر و هم در حداقل دما گویای افزایش دما در سال های آتی خواهد بود که حاکی از وقوع تغییرات اقلیمی رخ داده می باشد.
۱۷۲.

بهبود عملکرد موجودی مبتنی بر پیش بینی تقاضا با خوشه بندی مشتریان(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: مدیریت صنعتی (آزاد سنندج) سال دوازدهم پاییز ۱۳۹۶ شماره ۴۱

کلیدواژه‌ها: پیش بینی داده کاوی شبکه عصبی مدیریت موجودی هوش مصنوعی

حوزه‌های تخصصی:
تعداد بازدید : ۹۱۷ تعداد دانلود : ۴۶۶
مدیریت صحیح و کنترل بهتر موجودی اقلام فروشگاه مواد غذایی، یکی از ضروری ترین و مهم ترین اهداف مدیران فروشگاه های مواد غذایی می باشد. در این مطالعه تلاش می شود تا دانش تقسیم بندی مشتریان را بر اساس ویژگی های مختلف به عنوان ورودی در پیش بینی تقاضای یک خرده فروشی ارائه دهد. هدف این مقاله ارائه یک مدل پیش بینی برای خرده فروشان بر اساس خوشه بندی مشتریان، به منظور بهبود عملکرد موجودی می باشد. خوشه بندی مشتریان با الگوریتم ژنتیک در نرم افزار MATLAB R2016a صورت گرفته است. مدل ارایه شده برای پیش بینی تقاضای پنج قلم کالای یک سوپرمارکت در شهر گرگان به کار گرفته شده است. در این مقاله، جهت پیش بینی از مدل های ARIMA، ARIMA فصلی، شبکه عصبی پیشخور Mlp و شبکه عصبی GMDH استفاده شده است. مدلسازی این مدل ها در نرم افزار متلب صورت گرفته است. نتایج نشان داد که شبکه عصبی GMDH با خوشه بندی مشتریان کمترین خطای پیش بینی را دارد. مدل پیش بینی ارایه شده با سیاست کنترل دوره ای سطح موجودی منجر به کاهش روزهای مواجه با کمبود و افزایش سطح خدمت به مشتری می شود. خرده فروشان می توانند مدل ارایه شده را برای پیش بینی تقاضای اقلام گوناگون به منظور بهبود عملکرد موجودی و سودآوری عملیات مورد استفاده قرار دهند.
۱۷۳.

پیش بینی میزان رشد ازدواج وطلاق در استان خراسان جنوبی به کمک شبکه عصبی(مقاله علمی وزارت علوم)

نویسنده:
منبع: جمعیت پاییز و زمستان ۱۳۹۵ شماره ۹۷ و ۹۸ 69-85

کلیدواژه‌ها: نرخ رشد ازدواج نرخ رشد طلاق پیش بینی شبکه عصبی آمار حیاتی استان خراسان جنوبی

حوزه‌های تخصصی:
تعداد بازدید : ۵۵۱ تعداد دانلود : ۲۸۶
پیش بینی های جمعیت در زمینه های مختلف از جمله ارزیابی نیازهای ملی یا منطقه ای در زمینه ی مشاغل جدید، معلم ها، مدارس، پزشکان، پرستاران، سکونت گاه های شهری و یا شناخت نیازهای غذایی شمار افرادی که باید به آن ها خدماتی ارائه شود، مفید واقع می شوند. بنابراین، پیش بینی های جمعیت نقطه ی شروع پیش بینی هایی است که مورد نیاز آینده هستند. امروزه تجزیه و تحلیل سری های زمانی به صورت گسترده در علوم مختلف مورد استفاده واقع می شود. از طرفی، پیش بینی رفتار در سیستم های پیچیده با استفاده از روش های کلاسیک و تحلیلی امری دشوار و در برخی موارد غیرممکن به نظر می رسد، از اینرو روش های غیرکلاسیک که از ویژگی هایی همچون هوشمندی برخوردار هستند، استفاده می شود. شبکه های عصبی، یکی از روش هایی است که در مسائلی مانند الگوسازی، شناخت الگو، خوشه بندی و پیش بینی مورد استفاده قرار می گیرد. در امر پیش بینی جمعیت وقایع چهارگانه حیاتی از جمله، تولد، وفات، ازدواج و طلاق دخیل هستند، که در این مقاله سعی شده با استفاده از تجزیه و تحلیل داده های سری زمانی با استفاده از شبکه های عصبی میزان ازدواج و طلاق را در سال های اخیر بررسی کرده و به مدل سازی و پیش بینی این میزان در استان خراسان جنوبی در سالهای آتی بپردازیم.
۱۷۴.

ارائه یک الگوی هشدار پیش از وقوع نوسانات شدید قیمتی در بازار نفت اوپک: رویکرد مارکوف سوئیچینگ گارچ(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه اقتصاد انرژی ایران سال هفتم زمستان ۱۳۹۶ شماره ۲۵ 159-192

کلیدواژه‌ها: الگوی هشدار پیش از وقوع قیمت نفت خام اوپک پیش بینی مدل مارکوف رژیم سوئیچینگ گارچ

حوزه‌های تخصصی:
تعداد بازدید : ۴۳۰ تعداد دانلود : ۳۳۳
اقتصاد ایران به دلیل اتکای بالا به درآمدهای نفتی، از نوسانات قیمتی بازار نفت تاثیر می پذیرد بنابراین پیش بینی روند حرکتی قیمت نفت هم از جهت تعیین صحیح قیمت نفت در بودجه دولت و هم از جهت مدیریت و کنترل نوسانات شدید قیمتی برای سیاست گذاران اقتصاد کلان از اهمیت زیادی برخوردار است. بنا بر اهیمت پیش بینی روند حرکتی قیمت نفت، هدف این مقاله ارائه یک الگوی هشدار پیش از وقوع برای نوسانات شدید در بازار نفت خام اوپک می باشد. این الگو می تواند با پیش بینی احتمال وقوع نوسانات شدید قیمت نفت در دوره های آتی، دیدی مناسب از روند حرکت قیمت نفت در اختیار سیاست گذار قرار دهد. بدین منظور در گام نخست با استفاده از مدل مارکوف سوئیچینگ گارچ روند حرکتی قیمت نفت به همراه نوسانات آن برای دوره 2010- 2016 مدلسازی و برآورد شد؛ سپس با استفاده از این مدل، ماتریس احتمالات انتقال که شامل احتمال ماندن در رژیم های پرنوسان و کم نوسان و احتمال تغییر از رژیم پرنوسان به کم نوسان و برعکس می باشد بدست می آید و مبتنی بر این ماتریس احتمالات شرطی قرار گرفتن در رژیم قیمت نفت کم نوسان و پرنوسان پیش بینی می گردد تا با استفاده از آن سیاست گذاران و فعالان در بازار نفت دید بهتری برای تصمیم گیری پیدا کنند تا بتوانند از اثرات مخرب ناشی از نوسانات شدید قیمت نفت جلوگیری نمایند.
۱۷۵.

پیش بینی تورم اقتصاد ایران با استفاده از مدل DSGE-VAR (تئوری و تکنیک)(مقاله علمی وزارت علوم)

نویسنده:
منبع: نظریه های کاربردی اقتصاد سال پنجم تابستان ۱۳۹۷ شماره ۲ 149-176

کلیدواژه‌ها: پیش بینی الگوی تعادل عمومی پویای تصادفی-خودرگرسیون برداری (DSGE-VAR) تورم خودرگرسیون برداری نامقید

حوزه‌های تخصصی:
تعداد بازدید : ۱۱۹۴ تعداد دانلود : ۷۵۶
نرخ تورم یکی از متغیرهای کلیدی اقتصاد است که پیش بینی دقیق آن مدنظر سیاست گذاران و به ویژه بانک مرکزی است. مدل خود رگرسیون برداری (VAR) سابقه طولانی به عنوان ابزاری جهت پیش بینی و تجزیه و تحلیل های سیاستی دارد، اما از مشکلات این روش آن است که از مبانی نظری اندکی در خصوص روابط بین متغیرها استفاده می کند؛ بعلاوه در مدل های VAR تعداد زیادی پارامتر نیاز است تخمین زده شود که برخی از آن ها ممکن است بی معنی نیز باشند؛ به دنبال این موضوع، ایده مدل های ترکیبی مطرح شد. یکی از انواع مدل های ترکیبی، مدل DSGE-VAR است. این مدل، DSGE را که مدلی ساختاری است و اتکای بیشتری بر تئوری دارد با VAR که فراهم کننده برازش بهتری از داده ها است، ترکیب می کند. در این مطالعه ابتدا ساختار نظری و نتایج تخمین مدلDSGE-VAR برای داده های اقتصاد ایران بیان شده و در ادامه پیش بینی های حاصل از این روش در مقایسه با مدل های رقیب ازجمله VAR نامقید و VAR مینسوتا بررسی شده است. هر سه مدل به صورت بازگشتی برای دوره زمانی 1370:1 تا 1391:4 تخمین زده شده اند و سپس جهت پیش بینی تورم در افق 1 تا 8 فصل رو به جلو و برای نمونه 1390:1 تا 1393:4 استفاده شده اند. مقایسه دقت پیش بینی روش های فوق با استفاده از شاخص RMSE، نشان دهنده عملکرد بهتر روش DSGE-VAR در قیاس با مدل های رقیب، طی دوره زمانی مورد بررسی است.
۱۷۶.

پیش بینی آسیب در ورزش های همگانی توسط آزمون غربالگری حرکت عملکردی(مقاله علمی وزارت علوم)

نویسنده:
منبع: طب ورزشی سال نهم پاییز و زمستان ۱۳۹۶ شماره ۲ (پیاپی ۱۹) 259 - 268

کلیدواژه‌ها: آسیب ورزشی پیش بینی غربالگری حرکت عملکردی ریسک آسیب ورزش همگانی

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۶۱ تعداد دانلود : ۴۳۷
هدف از تحقیق حاضر پیش بینی وقوع آسیب های ورزشی ورزشکاران شرکت کننده در رشته های ورزش همگانی توسط آزمون غربالگری حرکت عملکردی (FMS) بود. پیش از شروع مسابقات 204 نفر از ورزشکاران رشته های داژبال، فوتبال گل کوچک، بسکتبال 3نفره و والیبال 2نفره شرکت کننده در المپیاد ورزش همگانی دانشگاه های علوم پزشکی کشور مورد ارزیابی آزمون های غربالگری حرکت عملکردی قرار گرفتند و سپس آسیب های ورزشی در طول دوره مسابقات توسط تیم تحقیقاتی و پزشکی ثبت شدند. جمعا 79 نفر در طول مسابقات متحمل 129 آسیب شدند. نتایج آزمون لجستیک رگرشن و نتایج بررسی منحنی مشخصه سیستم (ROC) نشان داد افرادی که نمره آزمون FMS آن ها کمتر از 14 بود 63/3 برابر بیشتر از افراد دیگر در معرض ابتلا به آسیب بودند. این نتایج بیانگر این بودند که در ورزش های همگانی نیز همانند ورزش های قهرمانی می توان از آزمون های غربالگری عملکردی جهت تشخیص افرادی که بیشتر مستعد بروز آسیب هستند استفاده کرد و پیشنهاد می شود مربیان و ورزشکاران به منظور پیش بینی افراد مستعد آسیب و هدفمندتر کردن برنامه های پیشگیرانه آسیب های ورزشی از آزمون های غربالگری حرکت عملکردی در رشته های همگانی استفاده کنند.
۱۷۷.

تحلیل تغییرات کاربری اراضی با استفاده از روش های شیءگرا و زنجیره مارکف در حوضه آبریز زیلبیرچای واقع در آذربایجان شرقی و غربی(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و توسعه زمستان ۱۳۹۷ شماره ۵۳ 37 - 50

کلیدواژه‌ها: کاربری اراضی روش شیءگرا پیش بینی زنجیره مارکف زیلبیرچای

حوزه‌های تخصصی:
تعداد بازدید : ۴۳۱ تعداد دانلود : ۴۱۳
هدف از پژوهش حاضر، استخراج و کشف تغییرات کاربری اراضی از تصاویر ماهواره ای با مدل شیءگرا و همچنین پیش بینی این تغییرات با مدل زنجیره مارکف تا سال 2030 در حوضه آبریز زیلبیرچای است. با توجه به اینکه تفکیک برخی محصولات از همدیگر مانند گندم آبی و دیم، زراعت آبی و باغات در تصاویر با تفکیک مکانی متوسط مانند تصاویر لندست و روش های شناخته شده پیکسل پایه به سختی صورت می گیرد، بنابراین در تحقیق حاضر مدل شیءگرا بر مبنای روش دانش پایه با استفاده از میانگین و انحراف معیار شاخص پوشش گیاهی و ویژگی های توپوگرافی منطقه، همچنین تصویر OLI با تاریخ 2015 به کار گرفته شد و اعتبارسنجی آن با ضریب کاپا 86/0 و صحت کلی 89/0 صورت گرفت، سپس نتیجه آن در تصویر TM نیز استفاده شد (ضریب کاپا برابر با 83/0 و صحت کلی 87). در نهایت بعد از تجزیه وتحلیل تغییرات رخ داده، پیش بینی زمانی کاربری ها صورت گرفت. نتایج طبقه بندی تصاویر نشان دهنده رشد مساحت کاربری های مسکونی، باغات و زراعت آبی به ترتیب 15، 42 و 50 km2 در طول 28 سال است که این رشد نشان دهنده مصرف زیاد آب در منطقه است. همچنین در 15 سال آینده نیز که براساس الگوی 28 سال قبل و با مدل تحلیل زنجیره مارکف بوده، این رشد به ترتیب تا میزان 8، 27 و 8 km2 خواهد بود. از طرفی مقایسه تناظر به تناظر نقشه های طبقه بندی دو بازه زمانی، نشان دهنده تبدیل کاربری های کم مصرف مثل گندم آبی به محصولات زراعی آبی است؛ ازاین رو لزوم استفاده از یک مدیریت بهینه و کارآمد به منظور دست یافتن به توسعه پایدار، مکانیزه کردن سیستم های آبیاری و کنترل مصرف عوامل انسانی در منطقه اجتناب ناپذیر است. 
۱۷۸.

پایش، بررسی و پیش بینی روند تغییرات مکانی کاربری اراضی/پوشش زمین با استفاده از مدل زنجیره ای مارکوف(مقاله علمی وزارت علوم)

نویسنده:
منبع: سپهر دوره ۲۷ بهار ۱۳۹۷ شماره ۱۰۵ 35 - 47

کلیدواژه‌ها: تغییرات کاربری پیش بینی مدل زنجیره مارکوف شوشتر تصاویر لندست خوزستان پایش

حوزه‌های تخصصی:
تعداد بازدید : ۶۳۰ تعداد دانلود : ۵۱۳
پایش و مدیریت بهینه منابع طبیعی نیازمند اطلاعات به هنگام و صحیح است. تغییرات در پوشش زمین که در سطوح مختلف فضایی و در دوره های زمانی متفاوت رخ می دهد، بیان گر تعامل و تقابل نیازهای همیشگی جوامع انسانی و محیطی با زمین می باشد. در این راستا نقشه های کاربری/ پوشش زمین از مهم ترین منابع اطلاعاتی در مدیریت منابع طبیعی محسوب می شوند. در مطالعه حاضر، تغییرات پوشش اراضی طی 26 سال گذشته و بررسی امکان پیش بینی آن در آینده با استفاده از مدل زنجیرة مارکوف منطقه شوشتر مورد ارزیابی قرار گرفت. در این تحقیق، تصاویر سنجنده های TM لندست 4، 5 و OLI لندست 8 به ترتیب برای سال های 1989، 2000 و 2015 و هم چنین نقشه های توپوگرافی و پوشش منطقه استفاده گردید. تصاویر هر سه مقطع زمانی به چهار طبقة کاربری مرتع، اراضی کشاورزی دیم، اراضی مسکونی، و اراضی کشاورزی آبی طبقه بندی شدند. بنابر نتایج، کشاورزی آبی پویاترین کاربری موجود در منطقه بوده که وسعت این اراضی طی 1989 تا 2015 روندی صعودی را در پی داشته است، به طوری که مقدار 4337 هکتار (7/12 درصد) به این اراضی افزوده شده است. روند تغییرات کاربری مرتع نیز طی 1989 تا 2015 روندی نزولی بوده که موجب کاهش99/59160 هکتار از این طبقه شده است. نتایج حاصل از آشکارسازی تغییرات در سال 2030 به گونه ای است که در صورت ادامه روند موجود در منطقه 33/20 درصد به طبقه کاربری اراضی آبی افزوده خواهد شد، به طوری که در سال 2030 کاربری کشاورزی آبی 95/60 درصد از مساحت منطقه را شامل می شود. در کاربری های مرتع و اراضی دیم به ترتیب 12/21 و 21/0درصد از مساحت تشکیل دهنده هر کاربری کاسته شده است و به مساحت کاربری مسکونی افزوده شده است. نقشه پیش بینی حاصله از مدل زنجیره مارکوف برای ارائه دیدی کلی به منظور مدیریت بهتر منابع طبیعی بسیار حائز اهمیت است .
۱۷۹.

تحلیل جریان رودخانه کارون در سه مقیاس روزانه، ماهانه، و فصلی با استفاده از شاخص های نظریه آشوب(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های جغرافیای طبیعی دوره ۵۰ پاییز ۱۳۹۷ شماره ۳ (پیاپی ۱۰۵) 443 - 457

کلیدواژه‌ها: بزرگ ترین نمای لیاپانوف بُعد همبستگی پیش بینی مقیاس زمانی نظریه آشوب

حوزه‌های تخصصی:
تعداد بازدید : ۶۱۳ تعداد دانلود : ۸۰۸
نظریه آشوب ابزاری مناسب برای تحلیل داده های دبی جریان رودخانه ها درنظر گرفته می شود. به دلیل ماهیت دینامیک و غیرخطی جریان رودخانه ها، یکی از چالش های مهمْ تشخیص رفتار جریان در مقیاس های زمانی مختلف است. در تحقیق حاضر، به منظور بررسی آشوب پذیری دبی جریان رودخانه کارون در سه مقیاس زمانی روزانه، ماهانه، و فصلی، از آمار 45ساله (1346- 1390) ایستگاه هیدرومتری ملّاثانی استفاده شده است. برای تعیین آشوبناکی جریان، سه روش 1. بازسازی فضای فاز؛ 2. بُعد همبستگی؛ 3. بزرگ ترین نمای لیاپانوف به کار رفته است. به منظور برآورد دو پارامتر زمان تأخیر و بُعد محاط، از روش میانگین اطلاعات متقابل و روش نزدیک ترین همسایه کاذب استفاده شده است. نتایج حاکی از آن است که در مقیاس ماهانه، به دلیل بُعد همبستگی غیرصحیح (704/2)، دبی جریان رودخانه آشوبناک و پیش بینی شدنی است. مقادیر بزرگ ترین نمای لیاپانوف برای مقیاس های روزانه، ماهانه، و فصلی به ترتیب 0017/0، 0093/0، و 0334/0 به دست آمده است. مثبت بودن این مقادیر نیز نشان دهنده آشوب و حساسیت نسبت به شرایط اولیه سیستم است. در مقیاس های روزانه و فصلی، روند تغییرات بُعد همبستگی در برابر بُعد محاط نشان داد که رفتار جریان تصادفی است و بنابراین جریان رودخانه پیش بینی نشدنی است.
۱۸۰.

بهبود دقت پیش بینی پروژه های ساخت با استفاده از ادغام مدیریت ارزش کسب شده با روش های کمی پیش بینی در سری های زمانی (مورد مطالعاتی: پروژه های فاز ساخت)(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: مدیریت صنعتی (آزاد سنندج) سال سیزدهم زمستان ۱۳۹۷ شماره ۴۶ 33 - 43

کلیدواژه‌ها: مدیریت ارزش حاصله هزینه های واقعی هزینه های برنامه ریزی شده پیش بینی رگرسیون

حوزه‌های تخصصی:
تعداد بازدید : ۳۶۷ تعداد دانلود : ۳۴۴
در این پژوهش دو پروژه در فاز ساخت شرکت آذر آب برای پیش بینی هزینه های ساخت در نظر گرفته شد و هزینه های واقعی پروژه های مذکور بعد از جمع آوری اطلاعات محاسبه گردید ، سپس شش مدل رگرسیونی در چهار دوره زمانی برای هر پروژه ارائه و سپس میانگین خطای مدل ها برای هر پروژه در چهار دوره محاسبه گردید تا مدل نهایی و مورد قبول برای هر پروژه مشخص گردد. نتایج نشان داد که مدلهای 2 و 3 درصد خطای پایین و قابل قبولی را نسبت به دیگر مدل ها دارند. وجود منغیر های موثر در مدل ها و همچنین با توجه به ماهیت پروژه ها نتیجه می گیریم مدل شماره 3 با درجه اطمینان قابل قبول تری هزینه های آتی پروژه ها را پیش بینی می کند. درمجموع مدل شماره 3 را به عنوان مدل برتر برای پیش بینی هزینه های آتی پروژه های مورد بحث انتخاب خواهیم کرد. با این حال یادآور می شویم که برای هر پروژه با توجه به ماهیت آن ممکن است یک معادله خاص دیگر، پیش بینی های دقیق تری را ارائه دهد.اما به طور کلی می توان بیان داشت که مدلهای رگرسیونی برای پیش بینی هزینه های دوره های مختلف پروژه با توجه به ماهیت آن کاربردی می باشد.