دانلود پايان نامه ارشد : 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 3  برخی ویژگی های مهم فرایندهای آشوبی

فرایندهای آشوبی را می توان با ویژگی های خاص انها شناخت . سه ویژگی مهم فرایندهای آشوبی عبارتند از : جذب کننده های عجیب و پیچیده ، حساسیت زیاد به شرایط اولیه ، و شکستگی ناگهانی کیفی ، در زیر این سه ویژگی مهم به طور مختصر توضیح داده می شوند .

2 3 1 جذب کننده های پیچیده[1]

مسیرهای زمانی کلیه سری های پویای پایدار ( معمولی یا آشوبی ) دارای حدی هستند که به آن تعادل یا جذب کننده گفته می شود . به عنوان مثال مسیر زمانی  در معادله تفاضلی مرتبه اول به سمت مقدار تعادلی x = 0 گرایش دارد ، به طوری که با هرمقدار اولیه  مسیرزمانی آن درحد به مرکز مختصات در نمودارمرحله ای [2] جذب خواهد شد . بنابراین در این حالت مرکز مختصات که یک نقطه است جذب کننده این سری نامیده می شود . در موارد دیگر جذب کننده ها ممکن است پیچپده تر از یک نقطه باشند. در سیستم‌های آشوبی جذب کننده‌ها بسیار پیچیده و عجیب هستند که می‌توان آن‌ها را به این صورت تعریف کرد .

یک جذب کننده پیچیده یک مجموعه نقاط غیر قابل شمارش است[3] به طوری که کلیه مسیرهای زمانی مجاور، به آن جذب خواهند شد . مسیرهای زمانی که داخل مجموعه شروع شوند می توانند غیر قابل تکرار باشند و یا به هر تعداد از قبل تعیین شده به طور اختیاری تکرار شوند .

در برخی از سیستم‌های پویای غیر خطی که دارای جذب کننده‌های پیچیده‌ای هستند، می‌توان مسیر رفته شده را عیناً برگشت. در این سیستم‌ها که به هاملیتونین[4] معروف هستند، اگر شرایط اولیه معادلات حرکت را داشته باشیم،[5] می‌توانیم مسیرهای حل شده به سمت جذب کننده‌ها را در جهت معکوس دنبال کنیم. به عبارت دیگر ، این سیستم‌ها از نظر زمان برگشت پذیر هستند. در برخی مدل‌های پویای غیرخطی هر چند در صورت در دست داشتن شرایط اولیه و معادلات حرکت ، امکان محاسبه تقریبی مسیرهای انتقالی وجود دارد، اما این مسیرها غیر قابل برگشت زمانی هستند، زیرا تعداد بی نهایت مسیرهای زمانی انتقالی وجود دارند که به جذب کننده‌ها منتهی شده‌اند. این مدل‌های،همان مدل‌های آشوبی هستند.

 

متن کامل در سایت امید فایل 

2 3 2  حساسیت بسیار زیاد به شرایط اولیه

یک سری زمانی آشوبی به شرایط اولیه حساسیت بسیار زیادی دارد . اگر  دو سری زمانی با فرآیندهای آشوبی ولی با شرایط اولیه بسیار نزدیک به هم را در نظر بگیریم ، مسیرهای زمانی انها پس از مدتی متمایز شده و به طور کامل به صورت دو سری زمانی متفاوت از یکدیگر به نظر خواهند رسید . هر چه شرایط اولیه دو سری به هم نزدیک تر باشند ، مدت زمانی که مسیرهای زمانی انها شبیه به هم باشند ، بیشتر خواهد شد . این شدت وابستگی به شرایط اولیه در یک سری ، به پدیده « بال پروانه »[6]شهرت یافته است ، بدین ترتیب که اگر ، جریان هوا یک فرآیند آشوبی باشد ، بال زدن یک پروانه می تواند منجر به ایجاد تغییرات اساسی در آب و هوای جهان مانند شروع طوفان و گردباد در اقیانوس و یا جلوگیری از بروز یک خشکسالی در آفریقا در آینده شود  . این ویژگی سری های آشوبی به خوبی بیانگر این است که اگر متغیرها ، فرآیند آشوبی داشته باشند ، پیش بینی متغیرها بسیار مشکل و در بلند مدت غیر ممکن خواهد بود ، زیرا در صورت بروز کوچکترین تغییر در شرایط اولیه، رفتار سری به طور کلی تغییر یافته و با سری قبلی کاملاً متمایز خواهد بود. عناصری که شرایط اولیه را تعیین می کنند عبارتند از مقدار اولیه متغیر ( ) و مقدار پارامتر  ، نکته جالب در رفتار یک سری آشوبناک این است که تغییر بسیار کوچک در هر یک از این مقادیر ، مسیر زمانی کاملاً جدا و متمایزی را ایجاد می کند .

1-Strang Attractors

1-Phase Diagram

2- مجموعه قابل شمارش یک مجموعه بی نهایتی است که عناصر آن متناظر با تعداد عناصر یک مجموعه اعداد صحیح باشد . در غیر این صورت ، مجموعه غیر قابل شمارش می باشد .

3-Hamiltonian

4-Equation of Motion

1-butterfly effect

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