مبانی نظری و پیشینه تحقیق در مورد پیش بینی و مدل های پیش بینی
فرمت فایل دانلودی: .zipفرمت فایل اصلی: DOCX
تعداد صفحات: 42
حجم فایل: 199
قیمت: 000 تومان
بخشی از متن:
مبانی نظری و پیشینه تحقیق در مورد پیش بینی و مدل های پیش بینی
تعداد صفحات : 42
فرمت : word (قابل ویرایش)
کاملترین و به روزترین در سطح اینترنت
دارای پیشینه داخلی و خارجی دارد.
دارای منابع فارسی و انگلیسی جدید
فاقد غلط املایی و نگارشی.
رفرنس دهی و پاورقی استاندارد.
پیش بینی و مدلهای پیش بینی
تعریف پیش بینی
در یک تعریف کلی، فرایندپیشگویی شرایط و حوادث آینده را پیشبینی نامیدهو چگی انجام این عمل را پیشبینی کردننامیده میشود (بوکوتا، 2002).
هر سازمانی جهت تصمیمگیریآگاهانه باید قادر به پیشبینی کردنباشد. از آنجایی که پیشبینی وقایع آینده در فرآیندتصمیمگیری در سازمان نقش عمده ای را ایفا می کند، پیشبینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیتبالقوهای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیمو یا غیر مستقیم به حالتی از پیشبینی آیندهبستگی دارد.
در مدیریت استراتژیک، پیشبینی شرایط عمومی اقتصاد،نوسانات قیمت و هزینهی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آیندهبلندمدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیشبینی رفتار دوره فرآیند در آیندهاست. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند وتعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقصباید از روش های مناسب پیشبینیاستفاده نموده و نسبت به تصحیح و یا حذف آن با توجه به شرایط موجود اقدام نمود(ریفنس، 1997).
مدل های پیش بینی
ابزارهای عینی و ریاضی که برایپردازش و تجزیه و تحلیل دادهها مورد استفاده قرار میگیرند مدلهای پیشبینینامیده میشوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابطبین متغیرهای آن واقعیت یا سیستم را نشان میدهد، مدل خوانده میشود. بنابراین،هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیشبینیدر کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیشبینیشکل میگیرد.
سری های زمانی[1]
به روند مقادیر یک متغیر درطول زمان که به صورت دورههای زمانی با فواصل معین و یکسان تنظیم شدهاند سریزمانی گفته میشود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته موردبررسی قرارگرفته و به آینده تعمیم داده میشود. به طور کلی مدلهایی که در تحلیلسریهای زمانی مورد استفاده قرار میگیرند به دو دسته مدلهای خطی و غیرخطی تقسیممیشوند.
مدلهای خطی مانند مدلهایباکس ـ جنکینز[2] و یکنواخت سازی نمایی برایسریهای زمانی خطی مناسب هستند، ولی در مدلسازی سریهای زمانی مالی و غیرخطی بامشکل مواجه میشوند.
مدلهای غیرخطی از قبیل مدلهایغیرکاهنده آستانهای، یک تابع غیرخطی خاص و از پیش تعیین شده را پیشبینی میکنند. به عبارتی تابعخطی مورد استفاده در این روشها مشخص است. نوع دیگر مدلهای غیر خطی شبکههای عصبیمصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناختهرا مدل نمایند.
سریهای زمانی بدنبال مقادیریک صفت متغیر در طول زمان هستند. مشاهدات عموما باید در تاریخهای معین یعنی درفواصل زمانی تقریبا ثابت به عمل آیند. مقادیر یک صفت متغیر ممکن است مربوط به یکلحظه زمانی و یا مربوط به یک فاصله یا دوره زمانی باشد. که در حالت اول سری زمانیرا لحظهای و در حالت دوم سری زمانی را دورهای و یا فاصلهای مینامند. قیمت سهامشرکتها در آخرین روز ماه و ماههای متوالی و همچنین تعداد بهره برداریهایکشاورزی در سالهای متوالی از نوع سریهای زمانی لحظهای است و حجم بازرگانی خارجیدر سالهای متوالی و تعداد نامههای پست شده در ماههای متوالی و یا سالهایمتوالی از نوع سریهای زمانی دورهای یا فاصلهای می باشند.
مطالعه سریهای زمانی در اکثررشتهها مانند جامعه شناسی، بازرگانی، زیستشناسی، زمینشناسی و به خصوص زمینهمسائل اقتصادی پیشرفت فراوان داشته و از نظر آمارشناسان اقتصادی نه تنها تشریح وضعفعلی درباره مسائل اقتصادی، ضروری است، بلکه پیشبینی وضع برای آینده نزدیک و دور نیز ضروری است. بدیهی استهیچ پیشبینی بدون اطلاع از گذشته نمیتواندبه عمل آید و تهیه سریهای زمانی به منظور تامین اطلاع و آشنایی نسبت به گذشتهاست.
مدل باکس ـ جنکینز[3]
مدل باکس ـ جنکینز یا آریما[4] عبارتست از برازاندن یک الگویمیانگین متحرک[5] تلفیق شده با خودرگرسیو[6] به مجموعه دادهها و بدستآوردن الگوی ریاضی شرطی در یک سری زمانی است. یک مدل آریما سه جزء دارد (خالوزاده،1999).
1- خود رگرسیو
2- میانگین یکپارچه[7]
3- میانگین متحرک
شبکههای عصبی مصنوعی پدیدهایجدید هستند که در بسیاری از علوم و مهندسی استفاده میشود. ساختار این شبکهها بهصورتی است که از عملکرد سیستم اعصاب انسان تقلید میکند و مشابه نرونهای عصبیانسان، دادهها را دریافت، پردازش و منتقل میکند. روشهای یادگیری و آموزشی کهبرای شبکههای عصبی مصنوعی بکار میرود بر اساس سیستم یادگیری و اعصاب انسان است ودر واقع کاملترین الگو برای ابداع روشهای یادگیری انسان است. شبکههای عصبیمصنوعی برای اولین بار در سال 1965 میلادی توسط محققین علوم طبیعی معرفی گردید. درمدل بیولوژیکی که توسط آنها ارایه شد در هر نرون محاسبات ریاضی انجام میشود و درحین آموزش شبکه، مقادیر وزنهای ارتباطی یا پارامترهای محاسباتی تغییر میکنندبصورتی که نهایتا شبکه عصبی بتواند عمل مورد نظر را بطور صحیح انجام دهد.
در ادامه ابتدا شبکه عصبی و بهطور خاص شبکه عصبی پروسپترون چند لایه و کاربردهای آن و همچنین چگونگی آموزش آنتشریح میشود.
در حالت کلی یک شبکهعصبیساختاری مشابه با شکل 2-3 دارد. در این شکل هر گره نماینده یک سلول عصبیمصنوعی است. اطلاعات از طریق گرههای لایه ورودی به شبکه وارد میشود. این ورودیهااز طریق رابطها به گرههای لایههای پنهان منتقل شده و بعد از پردازش از طریقلایههای مختلف از گرههای لایه خروجی خارج میشوند. یک شبکه عصبی مصنوعی، مجموعهایاز نرونهای[1] به هم متصل در لایههای مختلفاست که اطلاعاتی را برای یکدیگر ارسال میکنند. اولین لایه در سمت چپ در شکل لایهورودی است و لایه آخر نیز لایه خروجی نامیده میشود. دادهها در لایه ورودی واردمیشود.
تمام لایههای شبکه عصبی بهجزء لایه ورودی کار پردازش را انجام داده و در نهایت خروجی بدست میآید.
[1]-Neuron
[1] -Time series
[2]-Box-Jenkins
[3] - Box & Jenkins
[4]- Autoregressive- IntegratedMoving Average
[5]- Moving Average
[6]- Autoregressive
[7]-Integrated Average
1. آذر، عادل؛ افسر، امیر،(1385)، " مدل سازی پیشبینیقیمت سهام با رویكرد شبكههای عصبی فازی" ، فصلنامه پژوهشنامه بازرگانی ،40،67-93.
2. آقایاری، زهره، (1385)،بررسی عوامل موثر بر جذب منابع استان تهران، پایان نامه کارشناسی ارشد، دانشگاهآزاد اسلامی، دانشکده مدیریت.
3. احسان، قراچه ، (1385)،"ارایه یک مدل شبکه عصبی برای پیشبینیقیمت ماهانه نفت خام با در نظر گرفتن شوکهای نفتی" پایان نامه کارشناسیارشد، دانشگاه تربیت مدرس.
4. البرزی، محمود ، (1380)، "آشنایی با شیكههایعصبی"، انتشارات علمی دانشگاه صنعتی شریف.
5. بهمند، محمد، بهمنیمحمود، (1374)، بانکداری داخلی 1 ، انتشارات موسسه بانکداری اسلامی.
6. ابونوری اسماعیل، سپانلوهادی، (1384). "تجزیه و تحلیل آثار عوامل درون سازمانی بر جذبسپرده بانکی"، دانشوررفتاردانشگاه شاهد، 14، 48-63.
7. بابایی النا، (1382)"بررسی عوامل موثر بر مانده سپردههای بانکهای تجاری با تاکید بر سپردههای بانکملی"، پژوهش نامه اقتصادی، 2، 32-57.
8. پور كاظمی ، محمد حسین ،افسر ، امیر ، نهاوندی ، بیژن ، (1384)" مطالعه تطبیقی روشهای خطی ARIMA و غیرخطی شبكههایعصبی فازی در پیشبینی تقاضای اشتراكشهری"، مجله تحقیقات اقتصادی ،71، 52-75.
دانلود کتاب صوتی دستان شفابخش اثر خوزه سیلوا بخش چهارم
یک ,زمانی ,، ,پیشبینی ,مدل ,پیش ,سریهای زمانی ,شبکه عصبی ,پیش بینی ,و یا ,که در
درباره این سایت