سایت مرجع دانلود پایان نامه -پشتیبانی 09361998026

پایان نامه مجموع سپردههای بانک سامان استفاده از روش آریما و شبکه عصبی پروسپترون

ارسال شده در سایت پایان نامه

    مدل باکس ـ جنکینز[۱]

مدل باکس ـ جنکینز یا آریما[۲] عبارتست از برازاندن یک الگوی میانگین متحرک[۳] تلفیق شده با خود­رگرسیو[۴] به مجموعه داده­ها و بدست آوردن الگوی ریاضی شرطی در یک سری زمانی است. یک مدل آریما سه جزء دارد (خالوزاده، ۱۹۹۹).

  • خود رگرسیو
  • میانگین یکپارچه[۵]
  • میانگین متحرک

بحث­­های کلی مدل

انواع مدل­های باکس ـ جنکینز به صورت زیر بیان می شوند:

الف- مدل اتورگرسیوAR(p)

این روش مشاهدات  را به صورت تابعی از مشاهدات قبلی بیان می­کند. در این مدل

 (۲-۱)

ها مستقلند و در آن  پارامترهایی هستند که بستگی  به هر یک از p مقدار قبل در سری را معلوم می­کنند.

ب) مدل میانگین متحرکMA(Q)

این روش مشاهدات  را به صورت تابعی از اختلالات تصادفی در دوره­ی فعلی t و در دوره­های قبلی بیان می­کند. در این مدل

 (۲-۲)

                        (۲-۳)                      

ها مستقل هستند و  اختلالات تصادفی را در دوره­های (t, t-1,…., t-q) بیان می­کند و  میانگین متحرک اختلال جاری  و اختلال­های قبلی است که اختلال­های قبلی دارای     وزن­های  هستند. عدد q را مرتبه­ی مدل میانگین متحرک می­گویند و جمع وزن های  لزوماً برابر ۱ نیست.

ج) مدل ARMA(p,q)

رابطه کلی با توجه به موارد بحث شده به صورت زیر است که برای سری­های ایستا به کار می­رود.

 

د) مدل آریما(p,d,q)

این مدل مدل عمومی باکس ـ جنکینز است و تمام گروه­­های ذکر شده را در بر می­گیرد. در این مدل p مرتبه اتوگرسیو مدل و q مرتبه میانگین متحرک مدل و d مرتبه تفاضلی مدل (جهت ایستا کردن مدل) است. یعنی آن چه که این مدل را کامل­تر از مدل قبل می­نماید تبدیل مناسب جهت پایا بودن مدل است.

 

 

 

که در آن ، ، ، p, ، q، d، ،  به ترتیب مقادیر آنی متغیر، نویز سفید در زمان t، چند جمله­ای اتورگرسیو، مرتبه میانگین متحرک، درجه تفاضل­گیری و پارامتر­های مدل اتورگرسیو و میانگین متحرک می­باشند.

ه) شرایط پایاپذیری[۶] سری­های زمانی پیش­بینی از طریق مدل باکس ـ جنکینز

باید دقت کنیم که مدل زمانی در توصف پیش­بینی سری زمانی به کار می­رود که پایا باشد. منظور از سری زمانی پایا (ایستا) این است که مشخصه­های آماری آن (مثل میانگین و واریانس) در طی زمان ثابت باشند. اگر مقادیر  یک سری زمانی با اختلاف ثابتی حول میانگین نوسان داشته باشد در این صورت سری زمانی مورد نظر ایستا است که با مشاهده نمودار داده­ها می­توان نتیجه گرفت که ایا سری مورد نظر ایستا است یا خیر. اگر نمودار داده­های  بیانگر پایا نبودن مقادیر باشد، در این صورت می­توان با گرفتن تفاضلات اولیه، مقادیر را به یک سری زمانی پایا تبدیل کنیم.

تفاضلات اولیه مقادیر  عبارتند از

(۲-۸)

با توجه به اینکهt=2,…..nباشد.

اگر تفاضلات اولیه خود نیز پایا نباشند در این صورت از روش­های دیگر مثل گرفتن تفاضلات ثانویه استفاده می­شود.

(۲-۹)

[۱] – Box & Jenkins

[۲] – Autoregressive- IntegratedMoving Average

[۳] – Moving Average

[۴] – Autoregressive

[۵] -Integrated Average

[۶] -Stationary

برای دانلود متن کامل اینجا کلیک کنید

 

مطالب مشابه را هم ببینید

141985615752731

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه ، تحقیق ، پروژه و مقالات دانشگاهی در رشته های مختلف است. مطالب مشابه را هم ببینید یا اینکه برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید فروش آرشیو پایان نامه روی دی وی دی

aca@

academicbooks@

پایان نامه موضوع ارتداد
رساله دکتری بررسی روایات مجعول و اسرائیلیات در آثار عطّار نیشابوری
پایان نامه تحلیلی بر نحوه توزیع تراکم جمعیتی در سطح شهری با استفاده از AHP
پايان نامه تحلیل تیر ترمو پیزوالکتریک
پایان نامه قدرت بازگردانندگی اعضای خرپایی آلیاژهای حافظه‌ شکل فوق ارتجاعی