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: 18000 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، فرایند پیشگویی شرایط و حوادث آینده را پیشبینی نامیده و چکونگی انجام این عمل را پیشبینی کردن نامیده میشود (بوکوتا، 2002).
هر سازمانی جهت تصمیمگیری آگاهانه باید قادر به پیشبینی کردن باشد. از آنجایی که پیشبینی وقایع آینده در فرآیند تصمیمگیری در سازمان نقش عمده ای را ایفا می کند، پیشبینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیت بالقوهای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیم و یا غیر مستقیم به حالتی از پیشبینی آینده بستگی دارد.
در مدیریت استراتژیک، پیشبینی شرایط عمومی اقتصاد، نوسانات قیمت و هزینهی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آینده بلندمدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیشبینی رفتار دوره فرآیند در آینده است. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند و تعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقص باید از روش های مناسب پیشبینی استفاده 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 برای پردازش و تجزیه و تحلیل دادهها مورد استفاده قرار میگیرند مدلهای پیشبینی نامیده میشوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین 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 پیشبینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیشبینی شکل میگیرد.
سری های زمانی[1]
به روند مقادیر یک متغیر در طول زمان که به صورت دورههای زمانی با فواصل معین و یکسان تنظیم شدهاند سری زمانی گفته میشود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده میشود. به طور کلی مدلهایی که در تحلیل سریهای زمانی مورد استفاده قرار میگیرند به دو دسته مدلهای خطی و غیرخطی تقسیم میشوند.
مدلهای خطی مانند مدلهای باکس ـ جنکینز[2] و یکنواخت سازی نمایی برای سریهای زمانی خطی مناسب هستند، ولی در مدلسازی سریهای زمانی مالی و غیرخطی با مشکل مواجه میشوند.
مدلهای غیرخطی از قبیل مدلهای غیرکاهنده آستانهای، یک تابع غیرخطی خاص و از پیش تعیین شده را پیشبینی میکنند. به عبارتی تابع خطی مورد استفاده در این روشها مشخص است. نوع دیگر مدلهای غیر خطی شبکههای عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند.
سریهای زمانی بدنبال مقادیر یک صفت متغیر در طول زمان هستند. مشاهدات عموما باید در تاریخهای معین یعنی در فواصل زمانی تقریبا ثابت به عمل آیند. مقادیر یک صفت متغیر ممکن است مربوط به یک لحظه زمانی و یا مربوط به یک فاصله یا دوره زمانی باشد. که در حالت اول سری زمانی را لحظهای و در حالت دوم سری زمانی را دورهای و یا فاصلهای مینامند. قیمت سهام شرکتها در آخرین روز ماه و ماههای متوالی و همچنین تعداد بهره برداریهای کشاورزی در سالهای متوالی از نوع سریهای زمانی لحظهای است و حجم بازرگانی خارجی در سالهای متوالی و تعداد نامههای پست شده در ماههای متوالی و یا سالهای متوالی از نوع سریهای زمانی دورهای یا فاصلهای می باشند.
مطالعه سریهای زمانی در اکثر رشتهها مانند جامعه شناسی، بازرگانی، زیستشناسی، زمینشناسی و به خصوص زمینه مسائل اقتصادی پیشرفت فراوان داشته و از نظر آمارشناسان اقتصادی نه تنها تشریح وضع فعلی درباره مسائل اقتصادی، ضروری است، بلکه پیشبینی وضع برای آینده نزدیک و دور نیز ضروری است. بدیهی است هیچ پیشبینی بدون اطلاع از گذشته نمیتواند به عمل آید و تهیه سریهای زمانی به منظور تامین اطلاع و آشنایی نسبت به گذشته است.
مدل باکس ـ جنکینز[3]
مدل باکس ـ جنکینز یا آریما[4] عبارتست از برازاندن یک الگوی میانگین متحرک[5] تلفیق شده با خودرگرسیو[6] به مجموعه دادهها و بدست آوردن 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 پدیدهای جدید هستند که در بسیاری از علوم و مهندسی استفاده میشود. ساختار این شبکهها به صورتی است که از عملکرد سیستم اعصاب انسان تقلید میکند و مشابه نرونهای عصبی انسان، دادهها را دریافت، پردازش و منتقل میکند. روشهای یادگیری و آموزشی که برای شبکههای عصبی مصنوعی بکار میرود بر اساس سیستم یادگیری و اعصاب انسان است و در واقع کاملترین الگو برای ابداع روشهای یادگیری انسان است. شبکههای عصبی مصنوعی برای اولین بار در سال 1965 میلادی توسط محققین علوم طبیعی معرفی گردید. در مدل بیولوژیکی که توسط آنها ارایه شد در هر نرون محاسبات ریاضی انجام میشود و در حین آموزش شبکه، مقادیر وزنهای ارتباطی یا پارامترهای محاسباتی تغییر میکنند بصورتی که نهایتا شبکه عصبی بتواند عمل مورد نظر را بطور صحیح انجام دهد.
در ادامه ابتدا شبکه عصبی و به طور خاص شبکه عصبی پروسپترون چند لایه و کاربردهای آن و همچنین چگونگی آموزش آن تشریح میشود.
در حالت کلی یک شبکهعصبی ساختاری مشابه با شکل 2-3 دارد. در این شکل هر گره نماینده یک سلول عصبی مصنوعی است. اطلاعات از طریق گرههای لایه ورودی به شبکه وارد میشود. این ورودیها از طریق رابطها به گرههای لایههای پنهان منتقل شده و بعد از پردازش از طریق لایههای مختلف از گرههای لایه خروجی خارج میشوند. یک شبکه عصبی مصنوعی، مجموعهای از نرونهای[1] به هم متصل در لایههای مختلف است که اطلاعاتی را برای یکدیگر ارسال میکنند. اولین لایه در سمت چپ در شکل لایه ورودی است و لایه آخر نیز لایه خروجی نامیده میشود. دادهها در لایه ورودی وارد میشود.
تمام لایههای شبکه عصبی به جزء 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 پیشبینی قیمت سهام با رویکرد شبکههای عصبی فازی" ، فصلنامه پژوهشنامه بازرگانی ،40، 67-93.
2. آقایاری، زهره، (1385)، بررسی عوامل موثر بر جذب منابع استان تهران، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، دانشکده مدیریت.
3. احسان، قراچه احمدی، (1385)، "ارایه یک مدل شبکه عصبی برای پیشبینی قیمت ماهانه نفت خام با در نظر گرفتن شوکهای نفتی" پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس.
4. البرزی، محمود ، (1380)، "آشنایی با شیکه‌های عصبی"، انتشارات علمی دانشگاه صنعتی شریف.
5. بهمند، محمد، بهمنی محمود، (1374)، بانکداری داخلی 1 ، انتشارات موسسه بانکداری اسلامی.
6. ابونوری اسماعیل، سپانلو هادی، (1384). "تجزیه و تحلیل آثار عوامل درون سازمانی بر جذب سپرده بانکی"، دانشوررفتاردانشگاه شاهد، 14، 48-63.
7. بابایی النا، (1382)" بررسی عوامل موثر بر مانده سپردههای بانکهای تجاری با تاکید بر سپردههای بانک ملی"، پژوهش نامه اقتصادی، 2، 32-57.
8. پور کاظمی ، محمد حسین ، افسر ، امیر ، نهاوندی ، بیژن ، (1384)" مطالعه تطبیقی روشهای خطی ARIMA و غیرخطی شبکههای عصبی فازی در پیشبینی تقاضای اشتراک شهری"، مجله تحقیقات اقتصادی ،71، 52-75.
......................
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.