دانلود پايان نامه : ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز دلار پوند و مقایسه نتایج حاصل از این پیش بینی

 پایان نامه سایت ارشدها - رشته جغرافی-جغرافیا

عنوان کامل پایان نامه :

 ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز دلار پوند و مقایسه نتایج حاصل از این پیش بینی

قسمتی از متن پایان نامه :

2 4 1  آزمون بعد همبستگی

متن کامل در سایت امید فایل 

گراسبرگر و پروکاچا الگوریتم بعد همبستگی را برای جستجوی رفتار آشوبناک در سر زمانی پیشنهاد کرده‌اند که این الگوریتم ، بعد سیستم مولد داده‌های تخمین می‌زند. کار تحلیلی سری زمانی ، با سری یک بعدی به صورت  شروع می‌شود که می‌توان آن را به ماتریسی با ابعاد  به شکل زیر تبدیل کرد.

(2-5)

Embedding dimensionlym می‌نامند. هر ردیف از ماتریس  ، یک بردار m تایی (یک نقطه در فضای حالت –m بعدی) است. تعداد این نقاط در فضای  فاز  از  رابطه     N=T-m+1بدست می‌آید. اگر یک نمونه تصادفی از متغیرهایی باشد که مستقل از یکدیگر و دارای توزیع احتمالی یکسانند، آن گاه به ازای مقادیر مشخص  خواهیم داشت :

(2-6)

همبستگی جمعی[1]با تعداد نقاط موجود در فضای m بعدی است که فاصله کمتر از مقدار کوچک و معین ε از یکدیگر دارند. اگر سری زمانی از فرآیند تصادفی نتیجه شده باشد، با افزایش m ، نقاط موجود در فضای حالت m بعدی ، در تمامی جهات پراکنده خواهند شد، ولی اگر سری از یک فرآیند معین نتیجه شده باشد، نقاط به سمت زیر مجموعه‌ای از فضای حالت جذب می شوند. در این وضعیت با افزایش m ، بعد جاذب در فضای حالت از محدوده‌ای فراترنخواهد رفت و عددی کوچکتر از m خواهد بود بعد همبستگی طبق رابطه زیر بدست می‌آید :

(2-7)

در یک سیستم آشوبناک به ازای مقادیر  ، با افزایش m ، از تعداد نقاطی که در فضای حالت فاصله ای کمتر از  دارند کاسته شده، در حالی که در یک سیستم تصادفی با افزایش m  ، و کاهش  ، افزایش می‌یابد. در یک سیستم آشوبی با افزایش m و کاهش   نیز کاهش می‌یابد.

2 4 2  آزمون BDS

این آزمون ،آزمونی است بر اساس انتگرال همبستگی که تصادفی بودن فرآیند ایجاد کننده یک سری زمانی در مقابل وجود همبستگی کلی در آن را ارزیابی می‌کند. آزمون به شرح زیر ساخته شده است.

براک[2] و دیگران نشان دادند که برای یک سری زمانی با توزیع مستقل و مشابه (IID)[3]می‌توان نوشت :

(2-8)

که در آن ،  همان انتگرال همبستگی با بعد M است . آماره BDS بر اساس اختلاف استاندارد شده بین این دو انتگرال همبستگی که توزیع مجانبی نرمال دارد به شرح زیر بنا شده است .

(2-9)

 

به طوری که در آن  انحراف معیار داخل علامت [  ] است .

این آماره با فرض صحت فرض صفر (تصادفی بودن فرآیند سری زمانی) توزیع مجانبی نرمال استاندارد دارد. بنابراین ، با توجه به توضیحات گفته شده ، روش انجام آزمون BDS به ترتیب زیر خواهد بود :

ابتدا فرایند خطی سری زمانی از طریق مدل ARIMA استخراج می شود . سپس آماره W برای پسماندهای مدل محاسبه می شود . اگر W محاسبه شده معنی دار بود ، تصادفی بودن برای زمانی رد می شود ، یا به عبارت دیگر ، وجود فرآیند غیر خطی مدل تأیید می شود . در غیر این صورت ، آزمون انجام شده دلالت بر یک فرآیند خطی خواهد داشت . نوع غیر خطی بودن فرآیند حاکم بر سری زمانی باید از طریق آزمون های تکمیلی دیگری مشخص شود .

1-Correlation Integral of correlation Sum .

1-Brock

2-Independent Identified Distribrtion

سوالات یا اهداف این پایان نامه :

هدف از تحقیق

    هدف از انجام این تحقیق ، ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز  و مقایسه نتایج حاصل از این پیش بینی با تحلیل های سری زمانی و مدل ARIMA و همچنین تلفیق جواب های حاصل از دو مدل و ارائه نتیجه بهتر نسبت به هر دو مدل است

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد می توانید به لینک زیر مراجعه نمایید:

 دانلود متن کامل پایان نامه جغرافیا در لینک زیر

لینک متن کامل پایان نامه رشته جغرافیا با عنوان :  ارائه یک مدل شبکه عصبی مصنوعی جهت پیش بینی روزانه نرخ جفت ارز دلار پوند و مقایسه نتایج حاصل از این پیش بینی با فرمت ورد