پایان نامه کارشناسی ارشد پیش بینی سری های زمانی آشوبناک بر پایه تبدیل موجک و همجوشی مدل های مضاعف

پایان نامه کارشناسی ارشد پیش بینی سری های زمانی آشوبناک بر پایه تبدیل موجک و همجوشی مدل های مضاعف

پایان نامه کارشناسی ارشد پیش بینی سری های زمانی آشوبناک بر پایه تبدیل موجک و همجوشی مدل های مضاعف ، یک پایان نامه نمونه است که به شما کمک می کند تا به راحتی پایان نامه خود را تکمیل نمایید.

این پایان نامه قبلا ارائه شده و صرفا جنبه آموزشی و کمکی دارد. شما می توانید با استفاده از این پایان نامه نحوه نگارش پایان نامه را یاد بگیرید و مطالب آن در پایان نامه خود با ذکر منابع مندرج در آن استفاده نمایید.

پایان نامه کارشناسی ارشد پیش بینی سری های زمانی آشوبناک بر پایه تبدیل موجک و همجوشی مدل های مضاعف بیش از 40 منبع انگلیسی دارد که همه آنها بصورت ترجمه شده و به زبان فارسی در پایان نامه استفاده شده اند. همچنین قسمتی از مطالب پایان نامه به نمایش گذاشته شده است.

شما می توانید با خرید این محصول به فایل word و pdf پایان نامه دسترسی پیدا کنید. هر کدام از فایل ها 84 صفحه دارند و کامبا استاندارد طراحی و تایید شده اند.

چکیده پایان نامه کارشناسی ارشد پیش بینی سری های زمانی آشوبناک بر پایه تبدیل موجک و همجوشی مدل های مضاعف

پیش بینی سری های زمانی یک موضوع چالش برانگیز  تحقیقاتی است. منظور از یک سری زمانی مجموعه‌ای از داده‌های آماری است که در فواصل زمانی مساوی و منظمی جمع‌آوری شده باشند.آشوب نوعی حرکت نامنظم است که بطور گسترده ای در طبیعت وجود دارد. بسیاری از سری های زمانی ، غیر خطی و حتی آشوبناک است.

بنابراین چگونگی پیش بینی صحیح سری های زمانی آشوبناک بسیار مهم است. تحقیقات نشان می دهد که سری های زمانی آشوبناک شامل نویز است، که ویژگی های دینامیکی ذاتی سیستم را از بین می برد و دقت پیش بینی را کاهش می دهد. بنابراین لازم است که نویز سری زمانی آشوبناک را کاهش داد. تبدیل موجک یک راه حل خوب برای کاهش نویز است.

این پژوهش پیشنهاد جدیدی از روش پیش بینی سری های زمانی آشوبناک بر مبنای تبدیل موجک و همجوشی مدل های مضاعف ارائه می دهد. ابتدا تجزیه موجک و بازسازی تکی برای سری زمانی آشوبناک غیر ایستا انجام شد.LSSVM  با توانایی پیش بینی خوب برای سری های زمانی غیر خطی استفاده شد.

برای توالی نویز فیلتر شده، مولفه جزئی دارای یک ویژگی غیر ایستای اتفاقی است. بنابراین مدل ARIMA برای پیش بینی مولفه های جزئی استفاده شد. پیش بینی همجوشی مدل های مضاعف با الگوریتم برآورد Gauss-Markov انجام پذیرفت.

در نهایت با شبیه سازی دو سری زمانی معمول آشوبناک (Lorenz وMackey-Glass ) نشان می دهیم که روش پیشنهادی دارای دقت بیشتری برای پیش بینی سری های زمانی است.

کلمات کلیدی: سری های زمانی آشوبناک، پیش بینی، تبدیل موجک، همجوشی مدل های چندگانه