استفاده از روش‌های هوش مصنوعی در پیش‌بینی سری‌های زمانی آشوب‌گونه - دانلود رایگان

دانلود رایگان پایان نامه استفاده از روش‌های هوش مصنوعی در پیش‌بینی سری‌های زمانی آشوب‌گونه نوع فایل: word (قابل ویرایش) تعداد صفحات : 101 صفحه چکیده: پیش‌بینی سری‌های زمانی یکی از شاخه های علم آمار و احتمال است که در سایر رشته‌ها مانند اقتصاد، مهندسی ارتباطات، هواشناسی، مدیریت و بازاریابی کاربرد فراوانی دارد. د

دانلود رایگان پایان نامه استفاده از روش‌های هوش مصنوعی در پیش‌بینی سری‌های زمانی آشوب‌گونهنوع فایل: word (قابل ویرایش)تعداد صفحات : 101 صفحه چکیده:پیش‌بینی سری‌های زمانی یکی از شاخه های علم آمار و احتمال است که در سایر رشته‌ها مانند اقتصاد، مهندسی ارتباطات، هواشناسی، مدیریت و بازاریابی کاربرد فراوانی دارد. دامنه کاربرد پیش‌بینی سری‌های زمانی روزبه‌روز گسترده‌تر شده و نیاز دانش‌پژوهان در این زمینه افزون‌تر می‌گردد. سری‌های‌ زمانی آشوبی، زیرمجموعه‌ای از فرآیندهای غیرخطی با نتایج بسیار پیچیده و نامنظم، تعریف می‌شوند. در طول چند دهه گذشته، پیش‌بینی سری‌های‌زمانی آشوبی یک موضوع چالش برانگیز و جالب بوده است. اگرچه سری‌های زمانی آشوبی ویژگی‌های سیستم‌های دینامیکی را به صورت تصادفی نشان می‌دهند، در فضای‌حالت مناسب، رفتارهای قطعی را ارائه می‌دهند.در این پایان نامه پیش‌بینی سری زمانی آشوبی و تحلیل خطا با استفاده از شبکه‌های عصبی خطی و غیرخطی همراه با بگارگیری تئوری جاسازی پیشنهاد شده است. سری‌های زمانی به طور کلی شامل مؤلفه‌های خطی و غیرخطی می‌باشند. در این مطالعه در جهت بهبود دقت پیش‌بینی، یک روش ترکیبی شامل پیش‌بینی کننده خطی و غیرخطی، برای مدل کردن هر دو مؤلفه ارائه شده است. ابتدا با استفاده از نظریه جاسازی، سری‌زمانی در فضای حالت مناسب نمایش داده شده، سپس نقاط فضای‌حالت به یک شبکه عصبی خطی داده شده اند. خطای سری زمانی پیش‌بینی شده، محاسبه و به عنوان یک سری‌زمانی آشوبی جدید، در فضای‌حالت مناسب جاسازی شده ‌است. در ادامه نقاط فضای‌حالت بدست آمده به مدل غیرخطی مورد نظر که یک شبکه عصبی بازگشتی المان آموزش داده شده با الگوریتم بهینه‌سازی جمعیت ذرات می‌باشد، خورانده شده تا مورد تحلیل قرار گیرند. در نهایت مقادیر پیش‌بینی شده از سری زمانی اصلی و سری زمانی خطا یعنی خروجی دو پیش‌بینی کننده خطی و غیرخطی، با هم جمع شده و با مقادیر واقعی سری زمانی مقایسه شده‌اند. سری‌های زمانی آشوبی مکی‌گلاس، لورنز و لکه‌های خورشیدی برای ارزیابی کارایی روش پیشنهادی استفاده شده اند. نتایج به دست آمده نشان دهنده‌ی پیش‌بینی دقیق‌تر روش پیشنهادی در مقایسه با روش‌های پیش‌بینی موجود، می‌باشد.کلمات کلیدی: سری‌ زمانی آشوبی، پیش‌بینی، نظریه جاسازیس، تحلیل خطا، شبکه‌های عصبی مصنوعی.فهرست مطالب فصل اول: مقدمه 1 1-1:مقدمه 2 1-2: هدف تحقیق 4 1-3: ساختار پایان‌نامه ۵فصل دوم: سری‌های زمانی آشوبی 6 2-1: معرفی سری‌های زمانی 7 2-2: سری‌های زمانی آشوبی 10 2-3: تجزیه و تحلیل سری‌های زمانی آشوبی 13 2-4: معادلات آشوبی 15فصل سوم: مروری بر روش‌های تحلیل سری‌های زمانی آشوبی 17 3-1: تعیین پارامترهای فضای حالت برای جاسازی سری‌زمانی آشوبی 18۳-۱-۱: مروری بر روش‌های تعیین پارامترهای فضای حالت 18۳-۱-۲: روش‌های تعیین بهینه پارامترهای فضای حالت 20 3-2: پیش‌بینی سری‌های زمانی آشوبی با روش‌های هوش محاسباتی و ترکیب آن‌ها ۲۱۳-۲-۱: پیش‌بینی با روش‌های مبتنی بر شبکه‌های عصبی مصنوعی 22۳-۲-۲: پیش‌بینی با ترکیب شبکه‌های عصبی و سایر الگوریتم‌های هوش محاسباتی ۲۵ فصل چهارم: شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی جمعیت ذرات 28 4-1: شبکه‌های عصبی مصنوعی 29۴-۱-۱: کاربرد شبکه‌های عصبی مصنوعی 30۴-۱-۲: ساختار شبکه‌های عصبی مصنوعی 31۴-۱-۳: یادگیری شبکه‌های عصبی مصنوعی 32۴-۱-۴: انواع شبکه‌های عصبی مصنوعی 33۴-۱-۵: شبکه‌ عصبی بازگشتی المان 35۴-۱-۶: شبکه‌ عصبی خطی 35 4-2: الگوریتم‌های تکاملی و محاسبات زیستی 37۴-۲-۱: مقدمه‌ای بر الگوریتم‌های فرامکاشفه‌ای 37۴-۲-۲: هوش‌جمعی 39۴-۲-۳: الگوریتم بهینه‌سازی جمعیت ذرات 41فصل پنجم: روش پیشنهادی 43 5-1: بیان مسئله 44 5-2: مدل پیش‌بینی و تحلیل خطا 44۵-۲-۱: انتخاب سری زمانی و تشخیص آشوب۴۶۵-۲-۲: جاسازی سری‌زمانی در فضای‌حالت 46۵-۲-۳: بکارگیری پیش‌بینی کننده خطی برای پیش‌بینی سری زمانی اصلی۴۶۵-۲-۴: محاسبه خطا و جاسازی آن در فضای حالت 47۵-۲-۵: بکارگیری پیش‌بینی کننده غیرخطی برای پیش‌بینی سری زمانی خطاها ۴۷۵-۲-۶: مجموع نتایج پیش‎‌بینی کننده خطی و غیرخطی 49 5-3: نحوه ارزیابی 50 5-4: نتیجه‌گیری 50فصل ششم: نتایج شبیه‌سازی و ارزیابی روش پیشنهادی 51 6-1: سری‌زمانی آشوبی مکی‌گلاس 52 6-2: سری‌زمانی آشوبی لورنز 56 6-3: سری‌زمانی آشوبی لکه‌های خورشیدی ۶۰ 6-4: نتیجه‌گیری ۶۴فصل هفتم: نتیجه گیری و پیشنهادات 65 7-1: نتیجه گیری ۶۶ 7-2: پیشنهادات ۶۹مراجع 70پیوست ۱: واژه نامه 76پیوست ۲: شرح اختصارها 84پیوست ۳: فهرست نام‌ها ۸۵

پایان نامه استفاده از روش‌های هوش مصنوعی در پیش‌بینی سری‌های زمانی آشوب‌گونه

استفاده از روش‌های هوش مصنوعی

پیش‌بینی سری‌های زمانی آشوب‌گونه

سری زمانی آشوب گونه

پیش بینی سری زمانی

مهندسی نرم افزاراستفاده

از

روش‌های

هوش

مصنوعی

در

پیش‌بینی

سری‌های

زمانی

آشوب‌گونه

مقاله

پاورپوینت

فایل فلش

کارآموزی

گزارش تخصصی

اقدام پژوهی

درس پژوهی

جزوه

خلاصه

الگوریتم پیش بینی سری زمانی با شبکه عصبی بهبود یافته ...

الگوریتم پیش بینی سری زمانی با شبکه عصبی بهبود یافته. یکی از کاربردهای هوش مصنوعی پیش بینی روند های سری زمانی است مانند روند قیمت سهام در بازار بورس که با در اختیار داشتن قیمت یک سهم در یک افق زمانی، می توان پیش بینی ...

پیش‌بینی رفتار بازار سهام بر اساس شبکه‌های عصبی مصنوعی با ...

هدف: پیش‌بینی دقیق بازار سهام برای معامله‌گران این بازار ارزشمند است. پیش‌بینی سری‌های زمانی مالی از دسته مسائل چالشی و مهم در پیش‌بینی است و پژوهشگران تلاش می‌کنند که الگوهای پنهان را برای پیش‌بینی آینده بازار ...

تحقیقات در مورد پیش بینی سری های زمانی حجیم - پارسکدرز

سلام تحقیقاتی میخوام راجع به اینکه در سالهای گذشته در مورد پیش بینی سری های زمانی حجیم چه مقاله هایی کار شده چه روشهایی استفاده کردن و نتایجشون چی بوده . برای تحقیقات پیشین پایان نامه میخوام . big time series data prediction و اینکه ...

آموزش پیش بینی قیمت سهام با یادگیری ماشین در پایتون

آموزش پیش بینی قیمت سهام با یادگیری ماشین در پایتون. شاید به جرات بتوان گفت که یکی از جذاب ترین مباحث در حوزه یادگیری ماشین که افراد بسیاری را از حوزه های غیر مرتبط با هوش مصنوعی جذب می کند، بحث پیش بینی قیمت سهام است.

پایان نامه بهینه سازی پیش بینی لینک در شبکه های اجتماعی به ...

یکی از مشکلات اساسی در آنالیز این نوع شبکه ها پیش بینی ارتباطات جدید بین افراد شبکه می باشد. روش فازی به عنوان یکی از روش های مطرح در هوش مصنوعی، راه ساده ای را برای ساخت نتیجه ی صریح، مبهم ...

مروری بر روش های سری زمانی (ARIMA) و روش شبکه های عصبی در ...

مروری بر روش های سری زمانی (arima) و روش شبکه های عصبی در پیش بینی های اقتصادی ... با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 19 صفحه است به صورت فایل pdf در ...

پایان نامه ارشد: ارزیابی عملکرد مدل‌های هوشمند نروفازی و ...

در واقع یکی از روش‌های پیش‌بینی فرایندهای طبیعی و غیر طبیعی از جمله آلودگی، استفاده از سری‌های زمانی تاخیری همان پارامتر به عنوان پیش‌بینی کننده می‌باشد. 1- هدف اصلی در این تحقیق استفاده ...

پیش‌بینی بازده آتی بازار سهام با استفاده از مدل‌های آریما ...

در مرحله بعد تکنیک شبکه‌های عصبی برای مدل‌بندی هر کدام از مؤلفه‌های سری‌های زمانی به کار گرفته می‌شود و پیش‌بینی نهایی سری‌های زمانی اصلی با ترکیب پیش‌بینی این مؤلفه‌ها به دست می‌آید.

پیش بینی سری زمانی با استفاده از هوش مصنوعی به روش lstm ...

با سلام یک سری داده ی فرضی و تمرینی دارم شامل q , t , p ( دبی ، دما و فشار ) ، که در یک فایل exel ذخیره شده اند و داده ها به صورت ماهانه فرض شده اند . باید با استفاده از تبدیل موجک و سپس با استفاده از هوش مصنوعی به روش lstm پیش بینی q ...

دانلود مقاله پیش بینی دبی رودخانه با استفاده از روش های ...

در این پژوهش با استفاده از روش های هوش مصنوعی (شبکه عصبی mlp،anfis با تفکیک شبکه ای و خوشه ای) و سری های زمانی دبی ماهانه طالقانرود در محل ایستگاه گلینک در یک گام زمانی آینده پیش بینی گردید. برای ...

پیش بینی قیمت با شبکه عصبی پایان نامه ارشد دکتری پروژه متلب

پیش بینی سری های زمانی با استفاده از شبکه عصبی مصنوعی در تعیین قیمت طلا ... ازمون علیت نرخ حقیقی ارز و قیمت نفت در ایران با استفاده از روش های شبکه ی عصبی و موجک (۱۳۹۰-۱۳۷۰) ... کارایی تکنیک¬های ...

مدلسازی سری های زمانی با مدل آریما (ARIMA) در پایتون ...

در بالا مدل arima را به صورت arima(5,1,0) تعریف کردیم به این معنا که میخواهیم برای خودهمبستگی لگ زمانی (اختلاف زمانی) ۵ در نظر گرفته شود و برای ایستا کردن سیگنال از مشتق درجه یک استفاده شود.

پایان نامه بهینه سازی پیش بینی لینک در شبکه های اجتماعی به ...

یکی از مشکلات اساسی در آنالیز این نوع شبکه ها پیش بینی ارتباطات جدید بین افراد شبکه می باشد. روش فازی به عنوان یکی از روش های مطرح در هوش مصنوعی، راه ساده ای را برای ساخت نتیجه ی صریح، مبهم ...

پایان نامه پیش بینی دما با استفاده از روش های هوشمند

پایان نامه پیش بینی دما با استفاده از روش های هوشمند پایان نامه دوره کارشناسی کامپیوتر گرایش سخت افزار چکیده پیش بینی یا پیشگویی در دنیای کنونی جز لاینکف زندگی بشر محسوب می شوند، پیش بینی دما به علت اهمیت آن در صنعت ...

تخته سفید | مباحث تئوری و عملی موجک ها در متلب - درس پنجم ...

در فیلم آموزشی کاربرد تبدیلات موجک در پیش بینی سری های زمانی، با استفاده از خواصی که در فیلم های آموزشی گذشته در خصوص تبدیلات موجک گسسته بیان شده است، رویکردهای عملی استفاده از تبدیلات ویولت ...

پیش‌بینی بازده آتی بازار سهام با استفاده از مدل‌های آریما ...

در مرحله بعد تکنیک شبکه‌های عصبی برای مدل‌بندی هر کدام از مؤلفه‌های سری‌های زمانی به کار گرفته می‌شود و پیش‌بینی نهایی سری‌های زمانی اصلی با ترکیب پیش‌بینی این مؤلفه‌ها به دست می‌آید.

مدلسازی سری های زمانی با مدل آریما (ARIMA) در پایتون ...

در بالا مدل arima را به صورت arima(5,1,0) تعریف کردیم به این معنا که میخواهیم برای خودهمبستگی لگ زمانی (اختلاف زمانی) ۵ در نظر گرفته شود و برای ایستا کردن سیگنال از مشتق درجه یک استفاده شود.