بهبود مدل های ترکیبی (ANNs & ARIMA) با بکارگیری شبکه های عصبی احتمالی به منظور پیش بینی سری های زمانی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بهبود مدل های ترکیبی (ANNs & ARIMA) با بکارگیری شبکه های عصبی احتمالی به منظور پیش بینی سری های زمانی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهبود مدل های ترکیبی (ANNs & ARIMA) با بکارگیری شبکه های عصبی احتمالی به منظور پیش بینی سری های زمانی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهبود مدل های ترکیبی (ANNs & ARIMA) با بکارگیری شبکه های عصبی احتمالی به منظور پیش بینی سری های زمانی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهبود مدل های ترکیبی (ANNs & ARIMA) با بکارگیری شبکه های عصبی احتمالی به منظور پیش بینی سری های زمانی :

نام کنفرانس، همایش یا نشریه : نشریه مهندسی صنایع (دانشکده فنی دانشگاه تهران)

تعداد صفحات :۱۷

دقت پیش بینی ها از مهمترین فاکتورهای موثر در انتخاب روش های پیش بینی می باشند. امروزه علی رغم وجود روش های متعدد پیش بینی، هنوز پیش بینی های دقیق، بویژه در بازارهای مالی کار چندان ساده ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روش های متفاوت به منظور حصول نتایج دقیق تر می باشند. در سال های اخیر تلاش های فراوانی به منظور بهبود روش های پیش بینی سری های زمانی صورت گرفته است. مدل های ترکیبی میانگین متحرک خودرگرسیون انباشته (ARIMA) با شبکه های عصبی مصنوعی(ANNs) از این جمله مدل های بهبود یافته می باشند. این گونه از مدل ها با بهره گیری از مزایای منحصر به فرد هر یک از روش های مدل سازی خطی و غیرخطی، نتایج حاصله را بهبود بخشیده اند. در این مقاله با استفاده از شبکه های عصبی احتمالی(PNNs) روند تغییرات باقیمانده های سری زمانی مورد مطالعه تشخیص و دقت روش ترکیبی بهبود داده شده است. نتایج حاصله از بکارگیری روش پیشنهادی در پیش بینی نرخ ارز موجب ۱۰ % بهبود نسبت به مدل ترکیبی میانگین متحرک خودرگرسیون انباشته با شبکه های عصبی مصنوعی در میانگین قدرمطلق خطا گردیده است.

کلید واژه: مدل های خودرگرسیون میانگین متحرک انباشته (ARIMA)، پیش بینی نرخ ارز، شبکه های عصبی احتمالی (PNNs)، بازارهای مالی، شبکه های عصبی مصنوعی(ANNs)