پديد آورنده :
شيرواني، نويد
عنوان :
ساختار تركيبي موازي براي پيش بيني سري هاي زماني
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مديريت مهندسي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
[يازده]، 68ص.: مصور (رنگي)، جدول، نمودار
توصيفگر ها :
پيش بيني سري هاي زماني , بهبود دقت پيش بيني , مدل هاي تركيبي
تاريخ ورود اطلاعات :
1402/12/14
رشته تحصيلي :
مهندسي صنايع
دانشكده :
آموزش الكترونيكي
تاريخ ويرايش اطلاعات :
1402/12/15
چكيده فارسي :
يكي از موضوعات مورد بحث در مطالعات اخير، بررسي عوامل بهبود دهنده دقت پيش بيني است. دقت پيش بيني از اثرگذارترين و با اهميت ترين عوامل موجود در يك روش پيش بيني است. اهميت اين موضوع آن جايي است كه در فرآيند تصميم گيري در حوزه هاي مختلف، بهبود دقت پيش بيني نقش مهمي ايفا مي كند. يكي از شناخته شده ترين و پركاربرد ترين روش ها جهت رفع محدوديت هاي مدل هاي تكي و بهره گيري از مزاياي آن ها به صورت همزمان تركيب مدل هاي گوناگون با يكديگر است كه به شكل ويژه بر بهبود دقت پيش بيني موثر است. با بررسي هاي صورت گرفته پيرامون مسائل پيش بيني و مدل سازي، استفاده از مدل هاي تركيبي باعث بهبود اتخاذ تصميمات مديران و برنامه ريزان در زمينه هاي مختلف گرديده است. علي رغم تحقيقات گسترده پيرامون تركيب مدل ها، هنوز هم نقاط مبهم در ارائه تركيب هاي كارآمد و كامل در اين حوزه وجود دارد. هدف اصلي اين پايان نامه طراحي و پياده سازي يك ساختار تركيب كارا به منظور مدل سازي و پيش بيني سري هاي زماني و رفع ابهام در ادبيات موضوع مي باشد. به اين منظور در مرحله اول به بررسي ساختار هاي تركيب مدل هاي تكي و مفاهيم پايه اي مدل هاي كلاسيك آماري و هوشمند پرداخته مي شود. در مرحله بعد مدل تركيبي با استفاده از رگرسيون غير خطي وزن دهي مي شود. براي دستيابي به عملكرد مدل با استفاده از داده هاي محك مرتبط با شاخص قيمت سهام در بازار بين المللي بورس اوراق بهادار كارآمدي ساختار تركيبي پيشنهادي در مقايسه با مدل تركيبي در مقاله پايه تحليل مي گردد.
چكيده انگليسي :
One of the topics discussed in recent studies is the investigation of factors that improve forecasting accuracy. Forecasting accuracy is one of the most effective and important factors in a forecasting method. The importance of this matter is that in the decision-making process in various fields, improving the accuracy of forecasting plays an important role. One of the most well-known and widely used methods to overcome the limitations of single models and take advantage of their advantages is to combine different models together, which is especially effective in improving forecasting accuracy. With the studies done on forecasting and modeling issues, the use of hybrid models has improved decision-making by managers and planners in various fields. In spite of the extensive research on the combination of models, there are still unclear points in providing efficient and complete combinations in this field. The main goal of this thesis is to design and implement an efficient combination structure in order to model and predict time series and resolve ambiguity in the subject literature. For this purpose, in the first step, the structures of the combination of single models and the basic concepts of classical statistical and intelligent models are investigated. In the next step, the combined model is weighted using non-linear regression. To achieve the performance of the model by using the benchmark data related to the stock price index in the international stock market, the efficiency of the proposed hybrid structure is analyzed in comparison with the hybrid model in the basic article.
استاد راهنما :
مهدي خاشعي آشياني
استاد داور :
ناصر ملاوردي اصفهاني , علي زينل همداني
