predict

دسترسی آزاد مقاله

1 - پیش‌بینی کوتاه مدت غلظت گاز مونو اکسید کربن در هوای شهر اهواز با استفاده از تحلیل شبکه‌های عصبی مصنوعی
مریم کاوسی سیما سبزعلی پور حسین فتحیان

مقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسید‌های سولفور به ویژه دی¬اکسیدسولفور، هید چکیده کامل

مقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسید‌های سولفور به ویژه دی¬اکسیدسولفور، هیدروکربن‌ها، منواکسیدکربن (CO)، دی¬اکسیدکربن و ذرات معلق اشاره کرد.کلان¬شهر اهواز یکی از آلوده‌ترین شهر‌های ایران می‌باشد که مدیریت زیست محیطی به ویژه در زمینه آلودگی هوا بسیار با اهمیت می‌باشد. هدف از این پژوهش پیش‌بینی غلظت آلاینده CO در هفت روز ابتدای سال 1395 در شهر اهواز می‌باشد. مواد و روش‌ها: بر اساس مطالعات پیشین، متغیر‌های هواشناسی شامل دمای هوا، رطوبت هوا و سرعت باد به عنوان متغیر‌های ورودی مؤثر در شبکه برای پیش‌بینی غلظت گاز COانتخاب شدند. غلظت گاز CO در سال 1394 از طریق سازمان حفاظت محیط زیست شهر اهواز تهیه شد. به منظور توسعه شبکه عصبی پرسپترون چندلایه (MLP) از نرم‌افزار Neuro Solution5 استفاده گردید. به منظور ایجاد شبکه عصبی، 70 درصد از داده‌ها برای آموزش (واسنجی)، 15 درصد برای تست و 15 درصد باقیمانده برای آزمون صحت¬سنجی نتایج حاصل از شبکه مورد استفاده قرار گرفت. نتایج و بحث: به منظور تعین بهترین ساختار شبکه MLP برای پیش‌بینی کوتاه مدت غلظت گاز CO ساختارهای مختلف از لحاظ تعداد لایه‌های میانی، نوع الگوریتم آموزش شبکه، نوع تابع انتقال، تعداد نرون‌های لایه میانی و تعداد تکرار‌های آموزش در نظر گرفته شد. نتایج نشان داد که شبکه MLP با ساختار 1-5-3 (یعنی 3 نرون ورودی، 5 نرون در لایه میانی و یک نرون برای لایه خروجی) با 1500 تکرار آموزش به ازای تابع انتقال تانزانت سیگموئید (Tansig) و الگوریتم آموزش کاهش گرادیان همراه با مؤمنتم (Traingdm)، بهترین شبکه MLP می‌باشد. علاوه بر این، مقادیر شاخص‌های آماری NSE، RMSE و MAE به ازای مرحله آموزش شبکه به ترتیب برابر با 72/0 ، 22/0 و 15/0 می‌باشد. نتیجه‌گیری: آلودگی هوا، چالش اصلی زیست محیطی در اهواز، از ترکیب ترافیک و صنایع نفتی ناشی می¬شود. تأثیرات بهداشتی و زیست محیطی آن نیازمند بررسی جامع است.در این تحقیق از شبکه MLP برای پیش‌بینی مقادیر غلظت گاز CO در هوای شهر اهواز استفاده شد. نتایج نشان می‌دهد که دقت و عملکرد شبکه در پیش‌بینی غلظت گاز CO در سطح مطلوب می‌باشد. در ادامه این تحقیق پیشنهاد می‌شود که پیش‌بینی غلظت دیگر الاینده‌های گازی انجام شود و برای تعیین ساختار بهینه شبکه عصبی مصنوعی از الگوریتم¬های بهینه‌سازی استفاده شود. پرونده مقاله

دسترسی آزاد مقاله

2 - بررسی امکان سوگیری الگوریتم های توصیه ناشی از رفتار رتبه بندی کاربران در شبکه های اجتماعی آنلاین
مهدی صفرپور سید هادی یعقوبیان کرم الله باقری فرد راضیه ملک حسینی صمد نجاتیان

با افزایش ضریب نفوذ شبکه های اجتماعی آنلاین، نقش الگوریتم های توصیه کننده در این پلت فرم ها بیشتر مورد توجه قرار می گیرد و بررسی صحت کارکرد این الگوریتم ها در ارائه توصیه های مناسب حائز اهمیت می باشد. تحقیقات ما نشان می دهد با حضور اطرافیان و آشنایان فرد در شبکه های اج چکیده کامل

با افزایش ضریب نفوذ شبکه های اجتماعی آنلاین، نقش الگوریتم های توصیه کننده در این پلت فرم ها بیشتر مورد توجه قرار می گیرد و بررسی صحت کارکرد این الگوریتم ها در ارائه توصیه های مناسب حائز اهمیت می باشد. تحقیقات ما نشان می دهد با حضور اطرافیان و آشنایان فرد در شبکه های اجتماعی، شاهد رفتارهایی از سوی کاربران در این شبکه ها هستیم که بیشتر جنبه روانشناسی دارد و بسیاری از کنش های کاربران روی یک پست از احترام یا نزدیکی فرد با صاحب پست نشات می گیرد. این مقاله با نشان دادن قابل پیش بینی بودن رفتار کاربران در قبال پست های منتشر شده توسط دوستان و آشنایان، نقش ارتباطات عاطفی نشات گرفته از روابط اجتماعی پایدار را در پذیرش یک پست بررسی می کند و امکان ارائه توصیه های اشتباه در الگوریتم های مبتنی بر فیلترینگ مشترک به دلیل این سوگیری داده ها را نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

3 - بهبود سیستم‌های توصیه‌گر وب از طریق مهندسی ویژگی برای پیش‌بینی لینک‌های بعدی کاربران
وحید صفاری کرم الله باقری فرد حمید پروین صمد نجاتیان وحیده رضایی

در دوران رشد چشم‌گیر محتوای آنلاین و مشارکت گسترده کاربران، درک رفتار کاربر و ارائه پیشنهادات دقیق محتوا چالش اساسی است. این مقاله رویکرد جامعی را برای بهبود دقت پروفایل‌دهی کاربر و افزایش دقت پیشنهاد صفحات وب ارائه می‌دهد. با معرفی ویژگی "مدت ارتباط کاربر با صفحات وب"، چکیده کامل

در دوران رشد چشم‌گیر محتوای آنلاین و مشارکت گسترده کاربران، درک رفتار کاربر و ارائه پیشنهادات دقیق محتوا چالش اساسی است. این مقاله رویکرد جامعی را برای بهبود دقت پروفایل‌دهی کاربر و افزایش دقت پیشنهاد صفحات وب ارائه می‌دهد. با معرفی ویژگی "مدت ارتباط کاربر با صفحات وب"، به طور قابل‌توجهی در بهبود پروفایل‌های کاربری کمک شده‌است. بهره‌گیری از این پروفایل‌های غنی‌شده، پیش‌بینی بازدید بعدی کاربر از صفحات وب را تسهیل می‌کند. در ارزیابی این مدل، مقایسه با یک سناریو بدون این ویژگی نشان می‌دهد که اضافه کردن این ویژگی باعث افزایش قابل ملاحظه‌ای در دقت پیش‌بینی می‌شود. همچنین، تحلیلی از خوشه‌بندی با استفاده از الگوریتم‌های k-means و k-medoids نشان می‌دهد که k-medoids تنوع بیشتری در دسته‌بندی نمونه‌ها دارد. نتایج این مقاله برتری استفاده از k-medoids را در این زمینه نشان می‌دهد و اهمیت تعیین اندازه بهینه خوشه‌ها را تأکید می‌کند. در نهایت، این تحقیق به توسعه یک سیستم پیشنهاد وب که توانایی پیش‌بینی دقیق مقصد وب بعدی کاربر را دارد، منجر شده است. این رویکرد باعث ارتقای دقت مدل در پیشنهاد لینک به کاربر می‌گردد و چشم‌انداز پیشرفت‌های بیشتر در این زمینه را فراهم می‌سازد. پرونده مقاله

دسترسی آزاد مقاله

4 - پیش بینی خطر ورشکستگی با استفاده از شبکه های عصبی مصنوعی مبتنی بر رویکرد پرسپترون چندلایه(شواهد تجربی: بورس اوراق بهادار تهران)
سمیه سارویی حمیدرضا وکیلی فر قدرت الله طالب نیا

در پژوهش حاضر به شناسایی عوامل موثر بر پیش بینی ورشکستگی شرکتهای ایرانی با استفاده از سیستم شبکه های عصبی مصنوعی (ANN) بر مبنای رویکرد پرسپترون چندلایه (PS) و ارائه یک مدل آماری مناسب به منظور برآورد ورشکستگی شرکتهای ایرانی، با استفاده از یافته های حاصل از اجرای شبکه AN چکیده کامل

در پژوهش حاضر به شناسایی عوامل موثر بر پیش بینی ورشکستگی شرکتهای ایرانی با استفاده از سیستم شبکه های عصبی مصنوعی (ANN) بر مبنای رویکرد پرسپترون چندلایه (PS) و ارائه یک مدل آماری مناسب به منظور برآورد ورشکستگی شرکتهای ایرانی، با استفاده از یافته های حاصل از اجرای شبکه ANN پرداخته شده است. در پژهش حاضر به دنبال پاسخ گویی به این پرسش هستیم که آیا عوامل سودمند در راستای پیش بینی ورشکستگی شرکتهای ایرانی توسط سیستم شبکه عصبی مصنوعی قابل شناسایی است یا خیر . جامعه آماری در تحقیق حاضر تمامی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران هستند که با لحاظ نمودن معیارهایی و به روش حذف سیستماتیک تعداد 172 شرکت از این جامعه آماری در بازه زمانی 1386 الی 1395 بعنوان نمونه در تحقیق حاضر انتخاب شده اند. به منظور انجام تحلیل های آماری در پژوهش حاضر از روش سیستم شبکه های عصبی مصنوعی بر مبنای رویکرد پرسپترون چندلایه استفاده شده است. یافته های حاصل از تجزیه و تحلیل داده های پژوهش نشان می دهد که سیستم ANNقادر است با دقتی معادل 98 درصد عوامل تاثیر گذار بر ورشکستگی شرکتهای ایرانی را در سال قبل از ورشکستگی شناسایی نماید. پرونده مقاله

دسترسی آزاد مقاله

5 - تحلیلی بر وضعیت مصرف انرژی در چارچوب آینده‌پژوهی مطالعه موردی: شهرستان تبریز
ابوالفضل قنبری موسی واعظی زهرا امجدی

زمینه: اهمیت روز‌افزون منابع انرژی در شکل‌گیری و رشد فرآیندهای اقتصادی و نیز ضرورت بهره‌برداری از این منابع بر پایه ملاحظات زیست‌محیطی و توسعه پایدار اقتصادی و اجتماعی موضوع شناسایی و آینده‌پژوهی عوامل تأثیرگذار بر مصرف انرژی را برجسته می‌کند. هدف: تحقیق حاضر به بررسی و چکیده کامل

زمینه: اهمیت روز‌افزون منابع انرژی در شکل‌گیری و رشد فرآیندهای اقتصادی و نیز ضرورت بهره‌برداری از این منابع بر پایه ملاحظات زیست‌محیطی و توسعه پایدار اقتصادی و اجتماعی موضوع شناسایی و آینده‌پژوهی عوامل تأثیرگذار بر مصرف انرژی را برجسته می‌کند. هدف: تحقیق حاضر به بررسی وضعیت میزان مصرف انرژی شهرستان تبریز در چارچوب آینده‌پژوهی پرداخته است. این پژوهش از نوع کاربردی و روش پژوهش آن، توصیفی- تحلیلی می‌باشد. روش‌ها: جهت شناسایی عوامل تأثیرگذار بر میزان مصرف انرژی از روش دلفی و گروه متخصصان استفاده شده است. بعد از تجزیه و تحلیل عوامل، 40 عامل به عنوان عوامل تأثیرگذار شناسایی و انتخاب شدند و با استفاده از روش تحلیل اثرات متقابل عوامل شناسایی‌شده وارد نرم‌افزار MICMAC شده است. در نهایت از میان 40 عامل 16 عامل اصلی به عنوان پیشران‌های کلیدی مؤثر انتخاب شده است. یافته‌ها: بر اساس داده های وارد‌ شده پرسشنامه و تحلیل نرم‌افزار سناریو ویزارد 5 سناریوی قوی که از میان آنها دو سناریو شرایط مطلوب، یک سناریو شرایط بحرانی و دو سناریوی دیگر شرایط بینابین دارند. 13 سناریو با سازگاری بالا و 292 سناریوی ضعیف گزارش شده است. بررسی های اولیه ی سناریوهای 13گانه حاکی از سیطره ی نسبیت اعداد وضعیت های نامطلوب بر وضعیت های مطلوب است. غیر از چند سناریوی محدود که دارای ویژگی های مطلوب و رو به پیشرفت هستند بقیه ی سناریوها آینده ی مطلوبی ندارند. نتیجه‌گیری: نتیجه ی اصلی این تحقیق حاکی از آن است که وضعیت آینده ی مصرف انرژی در شهرستان تبریز بیشتر ادامه‌ دهنده ی شرایط فعلی با روندی نامطلوب و نامساعد شدن شرایط خواهد بود. پرونده مقاله

دسترسی آزاد مقاله

6 - تحلیل خوشه‌ای جایگاه ایران در جهان و روندهای آتی مبتنی بر مولفه‌های حکمرانی خوب
منا آهنی مرتضی موسی خانی رضا نجف بیگی محمدعلی افشارکاظمی

مطالعه و بررسی حکمرانی خوب و کیفیت نهادهای حکومتی بحثی است که در دهه ی 90 میلادی آغاز شد. حکمرانی خوب که شامل شش مولفه: کنترل فساد، اثربخشی دولت، ثبات سیاسی و فقدان خشونت، کیفیت قوانین و مقررات، حاکمیت قانون، حق اظهار نظر و پاسخگویی است، الگویی برای توسعه محسوب می گردد. چکیده کامل

مطالعه و بررسی حکمرانی خوب و کیفیت نهادهای حکومتی بحثی است که در دهه ی 90 میلادی آغاز شد. حکمرانی خوب که شامل شش مولفه: کنترل فساد، اثربخشی دولت، ثبات سیاسی و فقدان خشونت، کیفیت قوانین و مقررات، حاکمیت قانون، حق اظهار نظر و پاسخگویی است، الگویی برای توسعه محسوب می گردد. در این مطالعه، از ارزیابی و آمارهای بانک جهانی بر روی شاخص های شش گانه حکمرانی خوب که هر سال یکبار منتشر می گردد، برای تحلیل 186 کشور جهان، استفاده گردید. هدف از این پژوهش، بررسی وضعیت کشورها بر مبنای حکمرانی خوب و تعیین جایگاه ایران در بین دیگر کشورها، با استفاده از تکنیک خوشه بندی؛ و تحلیل روند جایگاه ایران در افق زمانی 2021 با استفاده از تحلیل سری زمانی است. با بکارگیری روش خوشه بندی کشورهای جهان بر مبنای حکمرانی خوب و دفعات هم خوشه شدن ایران با دیگر کشورها تفکیک شدند و سپس از بین روش های سری زمانی با استفاده از روش هموارسازی نمایی به شیوه ARIMA برای پیش بینی شاخص های شش گانه حکمرانی خوب و چگونگی وضعیت کشور در پنج سال آینده مورد بررسی قرار گرفت. یافته های پژوهش نشان می دهد در افق زمانی 2021 شاخص پاسخگویی در کشور مسئله مند خواهد بود و شاخص حاکمیت قانون و کنترل فساد تقریباً بدون تغییر باقی می ماند و از طرفی، روند بقیه شاخص ها بهبود مختصری را نشان می دهند پرونده مقاله

دسترسی آزاد مقاله

7 - پیش‌بینی تقاضـای جهانـی نفت خـام اوپک با استفـاده از مدل‌هـای خودرگرسیون برداری، خود توضیح جمعی و جستجوی گرانشی
حشمت اله عسگری محمدرضا امیدی زهرا ملکی نیا علی اکبر امیدی

آگاهی از میزان تقاضای آتی نفت به منظور تعیین اولویت‌ها و انتخاب سیاست‌ها در راستای دستیابی به رشد و توسعه اقتصادی، برای کشورهای عضو اوپک ضروری است. لذا در پژوهش حاضر، میزان تقاضای نفت اوپک را با استفاده از الگوهای سری زمانی شامل فرم ساختاری مدل خودرگرسیون برداری (SVAR)، چکیده کامل

آگاهی از میزان تقاضای آتی نفت به منظور تعیین اولویت‌ها و انتخاب سیاست‌ها در راستای دستیابی به رشد و توسعه اقتصادی، برای کشورهای عضو اوپک ضروری است. لذا در پژوهش حاضر، میزان تقاضای نفت اوپک را با استفاده از الگوهای سری زمانی شامل فرم ساختاری مدل خودرگرسیون برداری (SVAR)، مدل خودتوضیح جمعی میانگین متحرک ARIMAX و الگوی الگوریتم جستجوی گرانشی از دسته الگوریتم‌های جستجوی ابتکاری با به‌کارگیری داده‌های سالانه از سال 1970 تا 2014 میلادی، پیش‌بینی می‌کند. در همین راستا برای سنجش توانایی قدرت پیش‌بینی از الگوهای میانگین مجموع مجذورات خطا، میانگین قدرمطلق خطا و میانگین درصد قدر مطلق خطا استفاده شده است. نتایج به‌دست آمده نشان می‌دهد که الگوی SVAR مناسب‌ترین پیش‌بینی‌ها را برای تقاضای جهانی نفت اوپک دارد، بر این اساس با استفاده از نتایج برآورد این مدل، ﻣﺘﻐﯿﺮ خالص صادرات بر تقاضای نفت اثر مثبت و معنادار دارد و متغیرهای قیمت نفت خام اوپک و تولید غیر اوپک بر تقاضای نفت اثر منفی و معنادار دارند. پرونده مقاله

دسترسی آزاد مقاله

8 - پیش بینی سطح رضایتمندی مشتریان در خدمات پس از فروش خودرو- نمایندگی های شرکت سایپا یدک
ریحانه وارسته احمد ابراهیمی

10.30495/jmfr.2022.19571

زمینه: بنا بر وجود رقابت و تنوع پذیری صنعت خودرو، نیاز است تا خودروسازها قابلیت پاسخگویی و رفتار مناسب در قبال مشتریان و رقبای خود را داشته و یا به دست آورند. جایگاه ویژه خدمات پس از فروش در صنعت خودرو و همچنین نگهداشت مشتریان فعلی و جذب مشتریان جدید، اندازه گیری و پیش چکیده کامل

زمینه: بنا بر وجود رقابت و تنوع پذیری صنعت خودرو، نیاز است تا خودروسازها قابلیت پاسخگویی و رفتار مناسب در قبال مشتریان و رقبای خود را داشته و یا به دست آورند. جایگاه ویژه خدمات پس از فروش در صنعت خودرو و همچنین نگهداشت مشتریان فعلی و جذب مشتریان جدید، اندازه گیری و پیش بینی سطح و نمره رضایتمندی مشتریان را در این صنعت به یک الزام و باید بدل کرده است.هدف: استفاده از رویکرد پیش بینی در آینده پژوهی در مقاله حاضر موجب گردیده تا پس از شناسایی عوامل تأثیرگذار بر رضایتمندی مشتریان، امتیاز سطح این عامل در نمایندگی&lrm;های خدمات پس از فروش در یک شرکت خودروسازی مورد بررسی و پیش بینی قرار گیرد.روش: جامعه آماری شامل نمایندگی&lrm;های شرکت سایپایدک می&lrm;باشد. نمونه آماری شامل 14486 نمونه از نمایندگی&lrm;های خدمات پس از فروش در قلمرو زمانی فروردین 1396 تا خرداد 1398 است. متغیرهای مستقل پس از استخراج اولیه از مرورادبیات، با استفاده از طوفان فکری و نمودار استخوان ماهی نهایی شده&lrm;اند. تحلیل آماری و پیش بینی با استفاده از روش رگرسیون گام&lrm;به&lrm;گام و با کدنویسی در نرم&lrm;افزار RStudio انجام شده&lrm;است.یافته&lrm;ها: با استفاده از روش داده کاوی بکار گرفته شده، امتیاز رضایتمندی مشتریان نمایندگی&lrm;های خدمات پس از فروش در شرکت سایپا یدک با صحت 80 درصد قابل پیش بینی شده است.نتیجه گیری: با دانستن سطح و نمره رضایتمندی مشتری، سازمانهای خودرو ساز می توانند نسبت به تعریف پروژه های بهبود کیفیت و حرکت به سمت رقابت پذیری در صنعت خودرو، به شکلی هدفمند و مطلوب حرکت نمایند. پرونده مقاله

دسترسی آزاد مقاله

9 - تحلیل کلان مدل های تصمیم گیری پیش بینی رفتار خرید مصرف کننده
سیدمحمدحسین موسوی کریم حمدی حسین وظیفه دوست

10.30495/jmfr.2022.19494

زمینه: وظایف دانش آموختگان دانشگاهی در حوزه مدیریت بازاریابی، ارائه برنامه استراتژیک با نگاه آینده پژوهی در باره رفتار مصرف کننده به صورت مدلی در جهت توانمندسازی بازاریابان و و مخصوصا مصرف‌کنندگان میباشد. هدف: در این مقاله پژوهشی تلاش بر این است، مدلهای تصمیم گیری پیش ب چکیده کامل

زمینه: وظایف دانش آموختگان دانشگاهی در حوزه مدیریت بازاریابی، ارائه برنامه استراتژیک با نگاه آینده پژوهی در باره رفتار مصرف کننده به صورت مدلی در جهت توانمندسازی بازاریابان و و مخصوصا مصرف‌کنندگان میباشد. هدف: در این مقاله پژوهشی تلاش بر این است، مدلهای تصمیم گیری پیش بینی رفتار خرید مصرف کننده با تحلیلی کلان، در فضای فیزیکی و مجازی مورد بررسی قرار گیرد. ابتدا قوانین و فرایند مدل های تصمیم گیری خرید و سپس شکل-گیری انواع مدلهای تصمیم گیری با پاداریمهای غالب در فضای رقابتی جهانی فیزیکی و مجازی، با کمک علم و فنآوری اطلاعات و ارتباطات، مبتنی بر تعامل و تبادل، پرداخته شود. روشها: با هدف دستیابی به نتایج تحقیق، با طراحی پرسشنامه با جامعه آماری 346 نفر و درجه‌بندی پنج‌گانه لیکرت با 5 زیرمقیاس، همچنین تایید پرسشنامه با آلفای کرانباخ 754/0، با استفاده از نرم افزار آماری SPSS و جهت بررسی دو حالت معناداری، استاندارد بودن و برازش مناسب مدل سؤالات انتخابی برای عاملهای تحت بررسی از شاخصهای تحلیل عاملی تأییدی نرم افزار لیزرل با مقدار df/2x برابر با 2.22 استفاده شد.یافته ها: بدین منظور دادههای تحقیق از روشهای تحلیل عاملی اکتشافی، با استفاده از آزمون مربع کای بارتلت با سطح معناداری 0.000 و شاخصKMO جهت کفایت نمونه برابر با 0.765 میباشد. نتیجه گیری: با استفاده از آماره ارزش ویژه، و ماتریس حاصل از چرخش عاملها، دو عامل اصلی با عناوین عامل رفتاری با دو مؤلفه و محرکها هم با سه مؤلفه، در مجموع با بیش از 63 درصد واریانس شناسایی و استخراج شده اند. پرونده مقاله

دسترسی آزاد مقاله

10 - بررسی تجربی سودمندی تجزیه و تحلیل صورت های مالی در پیش بینی سود نقدی سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
رضا شباهنگ فرزانه حیدرپور

یکی از عوامل مهم برای تصمیم گیری سرمایه گذاران در مورد خرید و فروش سهام یک شرکت ، پیش بینی سود سهام نقدی می باشد . یکی از ابزارهای پیش بینی سود نقدی سهام ، تجزیه و تحلیل صورتهای مالی است . تاکید استفاده کنندگان و تصمیم گیران همواره بر رقم سود به عنوان یک عامل تاثیر گذار چکیده کامل

یکی از عوامل مهم برای تصمیم گیری سرمایه گذاران در مورد خرید و فروش سهام یک شرکت ، پیش بینی سود سهام نقدی می باشد . یکی از ابزارهای پیش بینی سود نقدی سهام ، تجزیه و تحلیل صورتهای مالی است . تاکید استفاده کنندگان و تصمیم گیران همواره بر رقم سود به عنوان یک عامل تاثیر گذار بر رقم سود نقدی سهام است . در این مقاله ارتباط بین متغیرها و نسبت های حاصل از صورت های مالی و سود نقدی آتی سهام و سودمندی این متغیرها برای پیش بینی سود سهام نقدی با به کارگیری مدل ، بررسی می شود . بنابراین دو سؤال اصلی حاضر این است که 1- آیا به غیر از رقم سود ، سایر اطلاعات و ارقام صورتهای مالی که حسابداری تعهدی ارائه می نماید تغییرات سود نقدی سهام آتی ارتباط می یابد؟ 2- آیا اطلاعات و ارقام صورت های مالی برای پیش بینی سود نقدی سهام با به کار گیری مدل سودمند هستند . جامعه مورد مطالعه شامل 194 شرکت پذیرفته شده در بورس اوراق بهادار تهران و در طی سال های 1380-1375 ( غیر از شرکت های سرمایه گذاری ) می باشد . روش تحقیق حاضر از نوع همبستگی بوده و برای برآورد الگو ، از ادغام داده ها استفده گردیده است . متغیر وابسته سود نقدی سهام و متغیرهای مستقل شامل 24 متغیر و نسبت مالی می باشد . مدل ابتدا بر اساس اطلاعات سال های 1375 تا 1380 تبیین و سپس تناسب آن ارزیابی شد . برای اطمینان بیشتر مجددا مدل بر اساس اطلاعات سال های 1375 تا 1379 تبیین و برای پیش بینی سود نقدی سهام سال 1380 استفاده گردید . پس از تعیین حدود در سطح 95 درصد اطمینان ، مشخص شد که 75 درصد مقادیر واقعی سود نقدی سهام سال 1380 در آن واقع می شوند. بین متغیرهای باقیمانده در مدل چندین متغیر نامرتبط به سود وجود داشت که به توضیح پیش بینی سود نقدی سهام کمک می کنند . در این مطالعه متغیرهای بدهی به مجموع دارایی ها، سرمایه ، موجودی کالا به دارایی ، بدهی و قیمت سهام قبل از مجمع سالانه در این دسته قرار می گیرند . سایر متغیرهای مدل شامل عایدی هر سهم ، فروش خالص به سرمایه و بازده دارایی ها ، مرتبط با سود می باشند. بنابراین دو فرضیه اصلی تایید شد بدین ترتیب که بین متغیرها و نسبت های حاصل از صورت های مالی و تغییرات سود نقدی آتی سهام ارتباط وجود دارد . همچنین متغیرها و نسبت مالی پیش بینی سود نقدی سهام با به کارگیری مدل ، سودمند هستند . پرونده مقاله

دسترسی آزاد مقاله

11 - توان پیش بینی و قدرت توضیح دهندگی اجزاء متشکله سود در مقایسه با رقم کلی آن
دکتر رضا شباهنگ زهرا لشگری

در این مقاله توان پیش بینی و قدرت توضیح دهندگی رقم کلی سود در مقایسه با اجزا متشکله آن از طریق بر رسی رابطه بین آنها بابازده سهام و سودهای آتی مورد برسی قرار می گیرد.در این راستا، رقم کلی سود سالانه به تغییر در درآمد فروش، نسبت سود عملیاتی به فروش و سایر هزین هها تفکیک چکیده کامل

در این مقاله توان پیش بینی و قدرت توضیح دهندگی رقم کلی سود در مقایسه با اجزا متشکله آن از طریق بر رسی رابطه بین آنها بابازده سهام و سودهای آتی مورد برسی قرار می گیرد.در این راستا، رقم کلی سود سالانه به تغییر در درآمد فروش، نسبت سود عملیاتی به فروش و سایر هزین هها تفکیک می شود.پژوهش حاضر از دو طریق زیر در ادبیات محتوای اطلاعاتی مشارکت دارد:نخست اینکه سودمندی و ارتباط اطلاعات بین سود عملیاتی و اجزا متشکله سود، سود آتی و بازده سهام مورد بررسی قرار م یگیرد.دوم اینکه به منظور بررسی چگونگی تغییر توان پیش بینی و محتوای اطلاعاتی سود و اجزاء متشکله آن در بین صنایع و در طول زمان .یک تحقیق مشاهده ای بر مبنای صنعت و در طی یک دورۀ 8 ساله انجام می شود.نتایج حاصل از آزمون فرضیات نشان می دهد که:الف: در رابطه با توان پیش بینی سود س ال بعد و بیان بازده سالانه سهام، تغییر در درآمد فروش ، نسبت سود عملیاتی به فروش و سایرهزینه ها (مدل اجزاء متشکله ) به طور توامان، توان پیش بینی و محتوای اطلاعاتی بیشتری در مقایسه با رقم کلی سود ندارند.ب: توان پی شبینی و محتوای اطلاعاتی این اجزاء متشکله و نیز رقم کلی سود، در طول زمان و بین صنایع تغییر می کند . پرونده مقاله

دسترسی آزاد مقاله

12 - بررسی عملکرد مالی شرکتها بااستفاده از مدل تحلیل پوششی داده ها و مدل زمیسکی و مقایسه نتایج این دومدل (مطالعه موردی: شرکتهای دارویی پذیرفته شده در بورس و اورا ق بهادار)
اکبر رحیمی پور معصومه تدریس حسنی

ورشکستگی های اخیر شرکت های بزرگ در سطح بین المللی و نوسان های بورس اوراق بهادار در ایران، به وجود ابزارهایی برای ارزیابی توان مالی شرکتها نیاز دارد. مدل های مختلفی برای پیش بینی ورشکستگی و بررسی وضعیت مالی سازمانها مورداستفاده قرار می گیرد. تغییرات محیطی و رقابت روزافزو چکیده کامل

ورشکستگی های اخیر شرکت های بزرگ در سطح بین المللی و نوسان های بورس اوراق بهادار در ایران، به وجود ابزارهایی برای ارزیابی توان مالی شرکتها نیاز دارد. مدل های مختلفی برای پیش بینی ورشکستگی و بررسی وضعیت مالی سازمانها مورداستفاده قرار می گیرد. تغییرات محیطی و رقابت روزافزون موسسات، دستیابی به سود موردنظر را برای سازمانها محدود کرده است. بدین لحاظ، تصمیم گیری مالی نسبت به گذشته اهمیت بیشتری یافته و مدیران را وادار ساخته تا بابهره گیری از تکنیک های پیشرفته روشهای جدید کنترل را به کارگیرند. در این راستا، پژوهش حاضر با هدف ارائه مبانی تئوریکی پژوهش و مقایسه نتایج حاصل از به کارگیری مدل های تحلیل پوششی داده ها و مدل زمیسکی جهت ارزیابی عملکرد و بررسی چگونگی وضعیت مالی شرکتها ارائه گردیده است. از این رو داده های جمع آوری شده 10 شرکت دارویی پذیرفته شده در بورس و اوراق بهادار مورد آزمون قرارگرفتند. نتایج حاصل از این پژوهش نشان میدهد که در ارزیابی و بررسی چگونگی وضعیت مالی شرکتها، با روش تحلیل پوششی داده ها تنها یک شرکت و با روش زمیسکی تنها دو شرکت دارای وضعیت مالی بهتری نسبت به سایر شرکتها بوده اند. هم چنین راهکارهایی جهت ارتقاء و بهبود وضعیت مالی سایر شرکتها با استفاده از روش تحلیل پوششی داده ها نیز ارائه گردیده است. پرونده مقاله

دسترسی آزاد مقاله

13 - پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن
محمدرضا ستایش دنیا احدیان پور پروین

با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه‌شان و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید. در صورتی‌که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت‌ها را پیش‌بینی نمود و پس از آ چکیده کامل

با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه‌شان و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید. در صورتی‌که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت‌ها را پیش‌بینی نمود و پس از آن با علت‌یابی و استفاده از روش‌های حل مسئله به اصلاح امور شرکت‌ها پرداخت می توان از به هدر رفتن ثروت در قالب سرمایه‌های فیزیکی و انسانی و آثار آن جلوگیری به عمل آورد. علاوه بر این چنین مدلی می‌تواند راهنمای خوبی برای تصمیم گیرندگانی همچون شرکت‌های سرمایه‌گذاری، بانک‌ها و دولت باشد. با توجه به توانایی‌ها و کاربردهای شبکه‌های عصبی مصنوعی و ناشناخته بودن این توانایی ها در بازارهای مالی ایران تحقیق حاضر در جهت ایجاد مدلی برای پیش‌بینی ورشکستگی انجام شده است. جامعه مورد مطالعه در این تحقیق عبارت است از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران و نمونه مورد بررسی بر اساس نمونه گیری خوشه‌ای صورت گرفته است، بدین صورت که ابتدا بر اساس نمونه گیری تصادفی ساده صنایع کاشی و سرامیک و سایر کانی غیر فلزی، غذایی، نساجی، لاستیک و پلاستیک، قطعات خودرو انتخاب شده و سپس نمونه مورد استفاده برای دوره 5 ساله 1383-1379 بر اساس طبقه بندی استخراج شده است. برای تجزیه و تحلیل داده‌ها که همان اطلاعات استخراج شده از صورت‌های مالی شرکت‌های نمونه است از نرم افزار EXCEL استفاده شده است. به این ترتیب که ابتدا نسبت‌های مالی مربوط به هر مدل بدست آمد سپس مدل آلتمن بر مبنای نسبت‌ها و ضرایب‌شان محاسبه شد و برای تدوین مدل شبکه عصبی نیز از نرم افزار Neuro soulation استفاده شده است و سپس نتایج هر دو مدل بر اساس آزمون نشانه‌‌ای ویلکاکسون، آزمون علامت مورد مقایسه قرار گرفته است نتایج بدست آمده از مدل شبکه‌های عصبی مصنوعی، نشان می‌دهد که این مدل از توانایی بالایی در پیش بینی ورشکستگی برخوردار است و می توان بااطمینان بالایی از آن استفاده کرد البته توجه به این امر ضروری است که ارائه اظهار نظر در مورد ورشکستگی یک شرکت با استفاده از هر روشی فقط بیان کننده هشداری در موردوضعیت آتی شرکت است و نه تایید کننده قطعی ور شکستگی آن. در این تحقیق نتایج حاصل از مدل شبکه عصبی مصنوعی با نتایج حاصل از مدل تحلیل ممیز چند گانه آلتمن مورد مقایسه قرار گرفت و با رد فرضیه Hs در هر دو فرضیه آماری می توان بیان کرد که: 1-مدل برگرفته از شبکه عصبی مصنوعی و تحلیل ممیز چندگانه آلتمن ابزارهای مناسبی جهت پیش بینی ور شکستگی شرکت ها هستند 2-دقت کلی پیش بینی مدل شبکه عصبی مصنوعی در پیش بینی ورشکستگی از تحلیل ممیز چند گانه آلتمن بیشتر است پرونده مقاله

دسترسی آزاد مقاله

14 - بررسی کاربرد مدل های آلتمن واسپرینگیت در پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادارتهران
دکتر امیر محمدزاده مریم نوفرستی

سرمایه گذاران همواره می خواهند با پیش بینی امکان ورشکستگی یک شرکت از ریسک سوخت شدن اصل و فرع س رمایهخود جلوگیری کنند چون در صورت ورشکستگی قیمت اوراق بهادار به شدت کاهش می یابد از این رو در پی روش هاییهستندکه بتوانند بدان وسیله ورشکستگی را پیش بینی کنند، همچنین یکی از مو چکیده کامل

سرمایه گذاران همواره می خواهند با پیش بینی امکان ورشکستگی یک شرکت از ریسک سوخت شدن اصل و فرع س رمایهخود جلوگیری کنند چون در صورت ورشکستگی قیمت اوراق بهادار به شدت کاهش می یابد از این رو در پی روش هاییهستندکه بتوانند بدان وسیله ورشکستگی را پیش بینی کنند، همچنین یکی از موضوعات مطرح شده در زمینه مدیریت مالی،سرمایه گذاری واطمینان به سرمایه گذاری می ب اشد واز مسایلی که می تواند به نحوه تصمیم گیری در مورد سرمایه گذاریکمک کند وجود ابزار ها ومدلهای مناسب برای ارزیابی شرایط مالی ووضعیت سازمانها می باشد، تا از طریق این ابزار سرمایهگذاران بتوانند به تجزیه وتحلیل وضعیت مالی سازمانها پرداخته وبا مشخص شدن درما ندگی مالی یا وضعیت مطلوب آنها ، بهطور آگاهانه و با اطمینان در مورد سرمایه گذاری در موقعیت مناسب تصمیم گیری کنند.هدف این تحقیق تعیین کارایی مدل آلتمن و مدل اسپرینگیت برای پیش بینی ورشکستگی می باشد،جامعه آماری اینتحقیق شرکت های تولیدی موفق و ورشکسته در بورس اوراق بهادار تهران است و در این تحقیق شرکت هایی که دارایمعیارهای مورد نظر برای بررسی بوده اند انتخاب شده اند، جامعه آماری شامل 108 شرکت متشکل از 50 شرکت ورشکسته و 58 شرکت غیر ورشکسته می باشد، ملاک انتخاب شرکت های ورشکسته در این تحقیق ماده 141 قانون ت جارت است و ملاکانتخاب شرکت های غیر ورشکسته در این تحقیق این است که در دوره مورد بررسی سود خالص رو به افزایش داشته باشند .واطلاعات مورد نیاز برای انجام تحقیق از یک دوره پنج ساله(84-80)جمع آوری شده است ، وبعد از محاسبه نسبت های موجود در مدلها وتعیین شاخص ها ی مربوطه،دقت و خطا ی هریک از مدلها محاسبه شده است . با توجه به نتایج تحقیق هر دو مدلآلتمن و اسپرینگیت توانایی پیش بینی ورشکستگی در بورس اوراق بهادار تهران را دارند و مدل آلتمن از دقت بالاتری نسبتبه مدل اسپرینگیت برخوردار است،بنابراین به سرمایه گذاران ب القوه ، سهامداران ودیگر استفاده کنندگان توصیه می شود کهبرای پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران از مدل آلتمن استفاده کنند. پرونده مقاله

دسترسی آزاد مقاله

15 - مروری بر الگوهای روش تحلیل تاثیر متقابل و معرفی الگویی با منطق همبستگی
ابراهیم حاجیانی علی رضا همتی

اکثر روش های تحلیلی آینده پژوهی برای پیش بینی وقایع و یا بررسی رویدادهای متغیرهای مورد نظر و پیشران های مرتبط با موضوع را به صورت مستقل از هم مورد بررسی قرارداده و ارزیابی می نمایند، لیکن در مواقعی نیازمند تحلیل احتمال وقوع یک رویداد در تقابل مجموعه ای از رویدادهای مورد چکیده کامل

اکثر روش های تحلیلی آینده پژوهی برای پیش بینی وقایع و یا بررسی رویدادهای متغیرهای مورد نظر و پیشران های مرتبط با موضوع را به صورت مستقل از هم مورد بررسی قرارداده و ارزیابی می نمایند، لیکن در مواقعی نیازمند تحلیل احتمال وقوع یک رویداد در تقابل مجموعه ای از رویدادهای مورد پیش بینی خواهیم بود . تحلیل اثرات متقابل روشی برای پاسخ به این نیاز است و اگرچه مستلزم پردازش های آماری پیچیده تری برای حصول نتایج است، لیکن اساساً همانند روش دلفی مبتنی بر نظرات متخصصان خواهد بود. مهمترین رویکرد این روش این است که بخواهیم براساس رای متخصصان احتمال وقوع رویدادهای مختلف یا نیروهای پیشران متفاوت را به طور مستقل تعیین و علاوه بر آن، نظر ایشان را برای احتمال وقوع یک رویداد در صورت وقوع سایر رویدادها و تاثیر متقابل آنها برهم جویا شده و بررسی نماییم. در نسخه های پیشرفته تر این روش، احتمال وقوع رویدادها را در زنجیره علیت بین رویدادها تعریف و مورد بررسی قرار می دهیم. بدین ترتیب ماتریسی از احتمالات اولیه و احتمالات شرطی و روابط جهت دار تاثیرات متقابل رویدادها و نیروهای پیشران شکل می گیرد. الگوهای متداول این روش با دو منطق احتمالات و ارتباطات سازمان یافته و برای تاثیرات رویدادها بر هم با قوانین احتمالی و ارتباطی قواعدی را تعریف می کند. لیکن در هر دوی این الگوها جهت تاثیر رویدادها بر هم مورد بررسی قرار نمی گیرد. نویسنده در این مقاله سعی دارد با مروری بر الگوهای موجود روش تحلیل تاثیر متقابل، الگوی جدیدی را با منطق همبستگی برای پوشش جهت تاثیر(منفی و مثبت) رویدادها بر هم معرفی نماید. نتیجه انجام فرآیند روش تحلیل اثرات متقابل معمولا" به پیدایش یک سناریو ختم می شود. پرونده مقاله

دسترسی آزاد مقاله

16 - استفاده از شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده برای پیش بینی روند قیمت سهام (مطالعه موردی : شرکت پتروشیمی خارگ)
دکتر ابوالفضل شهرآبادی دکتر رضا ابراهیم پور حسین نیکو

این مقاله مطالعه ای برای مقایسه توان پیش بینی روند قیمت سه ام با استفاده از شبکه های عصبی ترکیبی آموزش پذیراصلاح شده در مقابل سایر شبکه های آموزش پذیر و غیر آموزش پذیر ترکیبی است . داده های تاریخی به کار رفته در اینتحقیق از شرکت پتروشیمی خارگ، پذیرفته شده در بورس اوراق چکیده کامل

این مقاله مطالعه ای برای مقایسه توان پیش بینی روند قیمت سه ام با استفاده از شبکه های عصبی ترکیبی آموزش پذیراصلاح شده در مقابل سایر شبکه های آموزش پذیر و غیر آموزش پذیر ترکیبی است . داده های تاریخی به کار رفته در اینتحقیق از شرکت پتروشیمی خارگ، پذیرفته شده در بورس اوراق بهادار ایران بدست آمده اند . شرکت پتروشیمی خا رگ ازبزرگترین تولید کنندگان ایرانی محصولات پتروشیمی از جمله متانول است و به دلیل صادرات محصولات، قیمت سهام آن دربورس اوراق بهادار ایران بسیار متأثر از قیمت جهانی محصولات پتروشیمی، به ویژه متانول، می باشد . بنابراین قیمت سهام آن،نسبت به شرکت هایی که فاقد صادرات محصولات به بازار های جهانی هستند، به گونه ای شفاف تغییر می نماید. از آنجا که دربورس اوراق بهادار ایران نمونه مشابه دیگری که دارای سابقه قیمتی کافی و تعداد سهام شناور بالا باشد 1 وجود ندارد، لذاسهام پتروشیمی خارگ مناسبترین گزینه برای انجام فرآیند تحقیق تشخیص داده شد . نتایج این تحقیق نشان می دهد کهچگونه شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده می تواند گوی سبقت را در قابلیت پیش بینی روند قیمت سهام ازسایر شبکه های ترکیبی آموزش پذیر و غیر آموزش پذیر برباید . این تحقیق همچنان نشان می دهد که چگونه با استفاده ازروش پیشنهادی این مقاله می توان بدون نیاز به اطلاعات تفصیلی و جامع به قابلیت پیش بینی نسبتاً دقیقی دست یافت پرونده مقاله

دسترسی آزاد مقاله

17 - Sports Result Prediction Based on Machine Learning and Computational Intelligence Approaches: A Survey
Milad Keshtkar Langaroudi Mohammadreza Yamaghani

In the current world, sports produce considerable statistical information about each player, team, games, and seasons. Traditional sports science believed science to be owned by experts, coaches, team managers, and analyzers. However, sports organizations have recently چکیده کامل

In the current world, sports produce considerable statistical information about each player, team, games, and seasons. Traditional sports science believed science to be owned by experts, coaches, team managers, and analyzers. However, sports organizations have recently realized the abundant science available in their data and sought to take advantage of that science through the use of data mining techniques. Sports data mining assists coaches and managers in result prediction, player performance assessment, player injury prediction, sports talent Identification and game strategy evaluation. Predicting the results of sports matches is interesting to many, from fans to punters. It is also interesting as a research problem, in part due to its difficulty: the result of a sports match is dependent on many factors, such as the morale of a team (or a player), skills, coaching strategy, etc. So even for experts, it is very hard to predict the exact results of individual matches. The present study reviews previous research on data mining systems to predict sports results and evaluates the advantages and disadvantages of each system. پرونده مقاله

دسترسی آزاد مقاله

18 - Optimization of weighting-based approach to predict and deal with cold start of web recommender systems using cuckoo algorithm
reza molaee fard

Recommending systems are systems that, by taking limited information from the user and features such as what the user has searched for in the past and what product they have rated, can correctly identify the user and the desired items Offer the user. The user's desired چکیده کامل

Recommending systems are systems that, by taking limited information from the user and features such as what the user has searched for in the past and what product they have rated, can correctly identify the user and the desired items Offer the user. The user's desired items are suggested to him through the user profile. In this research, a new method is presented to recommend the user's interests in the form of the user's personalized profile. The way to do this is to use other users' searched information in the form of a database to recommend to new users. The procedure is that we first collect a log file from the items searched by users, then we pre-process this log file to remove the data from the raw state and clean it. Then, using data weighting and using the score function, we extract the most searched items of users in the past and provide them to the user in the form of a recommendation system based on participatory filtering. Finally, we use our data using an algorithm. We optimize the cuckoo that this information can be of interest to the user. The results of this study showed 99% accuracy and 97% frequency, which can to a large extent correctly predict the user's favorite items and pages and start with the problem that is the problem of most recommender systems To confront. پرونده مقاله

دسترسی آزاد مقاله

19 - طراحی یک مدل هوشمند جهت تعیین سیگنال های معاملات سهام با رویکرد داده کاوی
پانته آ ملکی مقدم اکبر عالم تبریز اسماعیل نجفی

یکی از مهمترین مسائل در بازارهای مالی مدرن یافتن راههای کارآمد برای تلخیص و تجسم کردن اطلاعات بازار بورس می‌باشد. با حجم انبوه از داده‌هایی که در بازار بورس تهران در هر لحظه ایجاد می‌گردد برای بررسی روابط میان داده‌ها و دست یافتن به اطلاعات نهفته آنها که تاثیر قابل ملاح چکیده کامل

یکی از مهمترین مسائل در بازارهای مالی مدرن یافتن راههای کارآمد برای تلخیص و تجسم کردن اطلاعات بازار بورس می‌باشد. با حجم انبوه از داده‌هایی که در بازار بورس تهران در هر لحظه ایجاد می‌گردد برای بررسی روابط میان داده‌ها و دست یافتن به اطلاعات نهفته آنها که تاثیر قابل ملاحظه‌ای در تصمیمات سرمایه-گذاران دارد به مدل‌هایی دست یافتیم. با استفاده از کلان داده‌های ارزشمند تولید شده توسط بازار سهام با استفاده از روش خوشه بندی افرازی و به کمک الگوریتم k-means به تعیین نقاط سیگنال معاملات سهام ‌پرداخته شده است. در این پژوهش از داده های صنایع خودرو و فرآورده های نفتی طی سال 1387 تا 1396 که با کمک بیست شاخص تکنیکی مدل سازی انجام پذیرفت. نتایج این پژوهش نشان داد که مدل مورد استفاده در شناسایی و پیش بینی سیگنال‌های فروش صادره در نقاط حداکثری دارای عملکرد قابل توجهی بوده و با دقت قابل قبولی قابل پیش بینی می‌باشند. در واقع این سیگنالها دارای خطای کمتری بوده و بهتر پیش‌بینی گردیده است. پرونده مقاله

دسترسی آزاد مقاله

20 - ارایه مدلی جهت پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از ANFIS و رگرسیون فازی
محمد حسین کشاورز محمدرضا فیلی ز اده ایاد هندالیانپور

این پژوهش، با هدف ارائه یک مدل پیش‌بینی شاخص کل بورس اوراق بهادار تهران با سیستم استنتاج فازی‌عصبی‌تطبیقی (ANFIS) و رگرسیون‌فازی صورت گرفته است. رفتار شاخص غیرخطی و آشوب‌گونه است که روش‌های سنتی جوابگوی پیش‌بینی دقیق نیست. از این رو، با استفاده از دو ابزار فوق الذکر و ب چکیده کامل

این پژوهش، با هدف ارائه یک مدل پیش‌بینی شاخص کل بورس اوراق بهادار تهران با سیستم استنتاج فازی‌عصبی‌تطبیقی (ANFIS) و رگرسیون‌فازی صورت گرفته است. رفتار شاخص غیرخطی و آشوب‌گونه است که روش‌های سنتی جوابگوی پیش‌بینی دقیق نیست. از این رو، با استفاده از دو ابزار فوق الذکر و با شناسایی سه متغیر کلان اقتصادی شامل نرخ تورم، نرخ ارز و قیمت نفت خام به عنوان متغیرهای مستقل، اقدام به پیش‌بینی عدد شاخص کل بورس برای یک هفته بعد گردید. ابتدا داده‌های روزانه سالهای 1387 الی 1394 متغیرهای پژوهش جمع‌آوری و ذخیره و با استفاده از نرمال‌سازی فازی، نرمال گردید. سپس مدل‌سازی با استفاده از سه متغیر فوق‌الذکر صورت پذیرفت و با مقایسه نتایج، عملکرد بهتر ANFIS نسبت به رگرسیون فازی مشاهده گردید. معیار سنجش عملکرد، ریشه دوم میانگین مربعات خطا بود که برای خروجی ANFIS ، مقدار 021248/0 حاصل شد. حاصل پیش‌بینی یک هفته بعد، برای هر دو ابزار کاهش خطا را نشان داد و مجددا ANFIS با مقدار 007933/0 برای خطا، عملکرد برتر این پژوهش را به خود اختصاص داد و مدل با چهار ورودی نسبت به مدل با سه ورودی دقت بیشتری از خود نشان داد. تاکید بر استفاده از متغیرهای کلان اقتصادی، پیش‌بینی یک هفته آینده عدد شاخص، استفاده از دو ابزار ذکر شده، آنالیز حساسیت مدل‌ها در حین تحقیق از ویژگی های این پژوهش است. این پژوهش می‌تواند مورد استفاده کلیه شرکت‌های حاضر در بورس، سرمایه‌گذاران، کارگزاری‌ها و افراد حقیقی و حقوقی که به هر نحوی با بورس اوراق بهادار سروکار دارند، واقع گردد. پرونده مقاله

دسترسی آزاد مقاله

21 - مدل‏سازی و پیش ‏بینی توزیع بازدهی شاخص کل بازار سرمایه ایران و رمزارز بیت‏کوین با روش زمان متغیر GAS
محمد ابراهیم سماوی هاشم نیکو مرام مهدی معدن چی زاج احمد یعقوب نژاد

10.30495/jfksa.2022.21081

پیش بینی بازدهی با کمترین خطا یکی از مسائل بسیار مهم در بازارهای مالی است که مورد توجه پژوهشگران زیادی در چند دهة اخیر قرار گرفته است. مدل های خطی و غیرخطی سنتی با توجه به عدم کارایی کافی مدل های خطی در تلاطم های قیمتی، عدم استخراج صحیح شکل توزیع شرطی داده ها به علت ضبط چکیده کامل

پیش بینی بازدهی با کمترین خطا یکی از مسائل بسیار مهم در بازارهای مالی است که مورد توجه پژوهشگران زیادی در چند دهة اخیر قرار گرفته است. مدل های خطی و غیرخطی سنتی با توجه به عدم کارایی کافی مدل های خطی در تلاطم های قیمتی، عدم استخراج صحیح شکل توزیع شرطی داده ها به علت ضبط نشدن پویایی توزیع شرطی در مدل های غیرخطی و وجود فرض‌های محدود کننده خلاف واقعیت، توانایی مناسبی جهت پیش بینی بازدهی در دنیای امروز ندارد. در جهت رفع نقصان مدل های سنتی، در پژوهش حاضر با استفاده از روش نوین زمان-متغیر به نام امتیاز خود رگرسیونی تعمیم یافته (GAS) مدل‌سازی در راستای پیش بینی توزیع بازدهی شاخص کل بورس اوراق بهادار طی بازه 1390 الی 1399 و برای رمزارز بیت کوین طی بازه سال 2014 تا 2020 میلادی انجام شده است. نتایج مدل سازی شده برای دو دارایی توسط مدل نوین GAS با نتایج مدل های GARCH و AR مقایسه شده و عملکرد آنها برای درون و برون نمونه آزموده شده است. نتایج آزمون های درون و برون نمونه ای نشان دهنده این است که جهت پیش بینی توزیع بازدهی روزانه شاخص کل مدل نوین GAS عملکرد بهتری داشته و برای پیش بینی توزیع بازدهی روزانه بیت کوین مدل GARCH ارجح تر بوده است. پرونده مقاله

دسترسی آزاد مقاله

22 - پیش بینی وقوع نابسامانی مالی در بانک های عضو بورس اوراق بهادار تهران
مریم خلیلی عراقی کامبیز پیکارجو لیلا جرّاحی

در این تحقیق، میزان اثربخشی شاخصهای بازار که میتوان از آن برای پیشبینی نابسامانی مالی بانکیاستفاده نمود مورد سنجش قرار گرفته است. همچنین یک مدل لوجیت برای پیشبینی نابسامانی مالی بانکیدر کشور ایران طراحی و مورد آزمون قرار گرفته است. از سوی دیگر، قدرت ارتباط میان اطلاعات چکیده کامل

در این تحقیق، میزان اثربخشی شاخصهای بازار که میتوان از آن برای پیشبینی نابسامانی مالی بانکیاستفاده نمود مورد سنجش قرار گرفته است. همچنین یک مدل لوجیت برای پیشبینی نابسامانی مالی بانکیدر کشور ایران طراحی و مورد آزمون قرار گرفته است. از سوی دیگر، قدرت ارتباط میان اطلاعات بازارو تنزل مالی یک بانک نیز مورد مطالعه قرار گرفتهاست. نهایتاً مطرح گردیدهاست که برخی از شاخصهایمرتبط با بازار را میتوان برای پیشبینی نابسامانی مالی بانکی در کنار شاخص های مالی مورد استفاده قرارداد.سایر نتایج بیانگر این مطلب است که صحت و درستی قدرت پیش بینی نابسامانی مالی به میزانتعهدات بانکی در مقابل بازاری که در آن به فعالیت میپردازد بستگی دارد. به این مفهوم که چون اینتحلیل بر مبنای داده های بانکها انجام گرفته است، در صورتیکه بانک تعهد نماید داده های صحیح وشفاف به بازار ارائه نماید، می توان به نحو مناسبتری پیش بینی را انجام داد. پرونده مقاله

دسترسی آزاد مقاله

23 - ارائه چارچوبی جهت سنجش و پیش‌بینی ریسک سیستمی با رویکرد ارزش در معرض خطر شرطی (CoVaR)
جعفر باباجانی محمدتقی تقوی‌فرد امین غزالی

در سال های اخیر و با افزایش همگرایی و نوآوری در بازارهای مالی، نگرانی در خصوص ثبات کلی نظام مالی افزایش یافته و مفهوم ریسک سیستمی، اهمیت روزافزونی یافته است. ریسک سیستمی، ریسک ناشی از ارتباطات درونی و وابستگی در یک سیستم یا بازار است که در آن ناتوانی یک شرکت یا گروهی از چکیده کامل

در سال های اخیر و با افزایش همگرایی و نوآوری در بازارهای مالی، نگرانی در خصوص ثبات کلی نظام مالی افزایش یافته و مفهوم ریسک سیستمی، اهمیت روزافزونی یافته است. ریسک سیستمی، ریسک ناشی از ارتباطات درونی و وابستگی در یک سیستم یا بازار است که در آن ناتوانی یک شرکت یا گروهی از شرکت‌ها می‌تواند موجب ایجاد بحران در کل سیستم شود. لذا در این پژوهش تلاش می‌گردد که با استفاده از رویکرد ارزش در معرض خطر شرطی[i] (CoVaR) چارچوبی جهت سنجش و پیش‌بینی ریسک سیستمی در بازار سرمایه ایران ارائه گردد. بر این اساس، ΔCoVaR به عنوان سنجه ریسک سیستمی با استفاده از رگرسیون چندک مبتنی بر مجموعه‌ای از متغیرهای حالت[ii] که نشاندهنده تغییرات توزیع شرطی بازده دارایی‌ها در طول زمان بوده و همچنین قابل اندازه‌گیری در مقاطع هفتگی باشند برآورد می گردد. همچنین به منظور افزایش دقت برآورد، متغیرهای تحقیق با الگوبرداری از مدل خودرگرسیون شرطی ارزش در معرض خطر (CAViaR) توسعه داده شده و برخی ویژگی‌های متأخر شرکت‌ها نیز به آن اضافه شده است. سپس به منظور سنجش اعتبار مدل از روش‌های پیش آزمایی[iii] استفاده می‌شود. از طرف دیگر، پتانسیل ریسک سیستمی در زمان کاهش نوسانات افزایش می‌یابد که به این مفهوم، تناقض نوسانات[iv] می‌گویند. لذا در این پژوهش، تلاش می‌گردد با بهره‌برداری از ساختار پانلی داده‌ها و ارتباط ΔCoVaR با مقادیر متغیرهای خاص شرکت که امکان دسترسی به آن‌ها در فواصل زمانی مشخص وجود دارد، ریسک سیستمی پیش‌بینی گردد پرونده مقاله

دسترسی آزاد مقاله

24 - جریان اطلاعات و پیش بینی پذیری بازده سهام
محمد رحیمی ابوالفضل شاه آبادی

این مطالعه به بررسی نقش جریان اطلاعات در پیشبینی بازده سهام بازار بورس ایران میپردازد. بدین منظورمدلهای تجربی تصریح شده در پژوهش با استفاده از آمار ماهانه دوره زمانی دیماه 9731 تا دیماه 9711 برایبررسی ارتباط مذکور در بورس اوراق بهادار تهران برآورد شدند. نتایج بیانگر آن چکیده کامل

این مطالعه به بررسی نقش جریان اطلاعات در پیشبینی بازده سهام بازار بورس ایران میپردازد. بدین منظورمدلهای تجربی تصریح شده در پژوهش با استفاده از آمار ماهانه دوره زمانی دیماه 9731 تا دیماه 9711 برایبررسی ارتباط مذکور در بورس اوراق بهادار تهران برآورد شدند. نتایج بیانگر آن است در حالی که بازده بازارسهام ایران از قابلیت پیشبینی بالایی برخوردار است، اما منابع پیشبینی پذیری بازده سهام به طور قابل توجهیبسته به سطح جریان اطلاعات موجود در بازار، متفاوت و گوناگون است، بطوریکه اهمیت و ارتباط بخشخودهمبستگی مرتبه اول بسته به نوسان موجود در بازار کاهش یافته و به طور معکوس اهمیت و اعتبار مدل چندعاملی قیمتگذاری دارایی با افزایش نوسانات بازار افزایش مییابد. علاوه بر این، نتایج نشان میدهد در دوره-های دارای اطلاعات بالا در بازار، ریسک بازار محلی و تغییرات در قیمت نفت بازده کل سهام را تحت تأثیر قرارمیدهد پرونده مقاله

دسترسی آزاد مقاله

25 - رابطه بین ویژگی های پیش بینی سود هر سهم توسط مدیریت بر ریسک و ارزش شرکت با هدف آینده نگری در تصمیم گیری
فرزانه حیدرپور زیبا خواجه محمود

شرکت هایی که تصویر واضحی از آینده خود ارائه نموده اند، در بازار سهام مقبولیت بیشتری دارند. یکی ازطرق ترسیم چنین تصویری برای سهامداران، افشای پیش بینی سود هر سهم می باشد. انتشار این اطلاعات به بازارسرمایه اطمینان می دهد که شرکت در ارائه اطلاعات، بی طرفانه عمل نماید.این ت چکیده کامل

شرکت هایی که تصویر واضحی از آینده خود ارائه نموده اند، در بازار سهام مقبولیت بیشتری دارند. یکی ازطرق ترسیم چنین تصویری برای سهامداران، افشای پیش بینی سود هر سهم می باشد. انتشار این اطلاعات به بازارسرمایه اطمینان می دهد که شرکت در ارائه اطلاعات، بی طرفانه عمل نماید.این تحقیق به بررسی ارتباط پیش بینی سود توسط مدیریت با ارزش و ریسک شرکت می پردازد. نمونه گیریبه روش حذفی سیستماتیک انجام گرفته و برای آزمون فرضیات از تحلیل رگرسیون استفاده شده است. نمونهآماری این تحقیق شامل 178 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد کهداده های آنها در طول سالهای 1385 تا 1390 مورد تجزیه و تحلیل آماری قرار گرفته است؛ لذا حجم نمونه دراین پژوهش به 1068 رسیده است. نتایج حاصل از آزمون های رگرسیونی نشان داد که پیش بینی سود هر سهممنتشر شده از جانب شرکت بطور بالقوه مورد توجه بازار سرمایه می باشد و فعالان این بازار، ارقام مذکور را درمدل های تصمیم گیری برای آینده به منظور سرمایه گذاری لحاظ می نمایند. پرونده مقاله

دسترسی آزاد مقاله

26 - تأثیر سایر مکانیسم های کیفیت سود بر بازده اضافی با در نظر گرفتن روند حرکت قیمت سهام بر اساس مدل سه عاملی فاما و فرنچ با تکنیک پرتفوی بندی24 گانه به صورت فصلی
وحید بخردی نسب فاطمه ژولانژاد

بورس اوراق بهادار تهران دارای عمر چندانی نیست و تا حدودی ناکاراست. ساز و کار‌ها و قواعد و قوانین حاکم بر این بازار هنوز به گونه ای اجرا نمی شود که کیفیت داده ها و اطلاعات ارائه شده شرکت‌های عضو را به حد مطلوب برساند. لذا این پژوهش سعی بر آن داشته که با استفاده از شناخت چکیده کامل

بورس اوراق بهادار تهران دارای عمر چندانی نیست و تا حدودی ناکاراست. ساز و کار‌ها و قواعد و قوانین حاکم بر این بازار هنوز به گونه ای اجرا نمی شود که کیفیت داده ها و اطلاعات ارائه شده شرکت‌های عضو را به حد مطلوب برساند. لذا این پژوهش سعی بر آن داشته که با استفاده از شناخت معیار‌های کیفیت سود و تأثیر آن بر بازده اضافی، سود با کیفیت تری ارائه شود و در نتیجه ریسک اطلاعاتی کاهش یابد و از این طریق سرمایه گذاران بتوانند تصمیم‌گیری بهتری داشته باشند. احتمالا بیشترین توجه استفاده کنندگان صورت های مالی، معطوف به پایین ترین سطر صورت سود و زیان است. از نگاه اکثر آنها، سود حسابداری ابزاری است برای اخذ تصمیم‌های منطقی. در سال‌های اخیر به ویژه پس از وقوع رسوایی‌های مالی، توجه بسیاری به کیفیت سود شده است. کیفیت سود یک مشخصه مهم از سیستم حسابداری است. اطلاعات مالی با کیفیت، سبب افزایش کارایی بازار سرمایه می‌شود. بنابراین می توان گفت سرمایه گذاران و دیگر استفاده کنندگان، به چنین اطلاعاتی علاقه‌مند هستند. تدوین کنندگان استاندارد‌های حسابداری نیز، تلاش می کنند استاندارد‌ها را در جهت افزایش کیفیت سود توسعه دهند. به این ترتیب، بررسی کیفیت گزارشگری سود یکی از دغدغه های اساسی هر سرمایه گذار منطقی و استفاده کننده اطلاعات در تصمیم گیری‌ است. ازاین‌رو تعداد 86 شرکت در طی دوره زمانی ده ساله از سال 1385 تا 1394 بررسی‌شده‌اند و به‌طورکلی بیانگر این است که، معیارهای کیفیت سود بر بازده اضافی سهام بر اساس مدل سه عاملی فاما و فرنچ با در نظر گرفتن روند حرکت قیمت سهام در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، تأثیرگذار است. پرونده مقاله

دسترسی آزاد مقاله

27 - پیش‌بینی سودآوری با رویکرد شبکه عصبی و مقایسه آن با ماشین بردار پشتیبان (svm) و درخت‌تصمیم C5
ملیحه حبیب زاده مصطفی ایزدپور

سود به‌عنوان یکی از مهم‌ترین شاخص‌های اندازه‌گیری عملکرد واحد اقتصادی، ازمباحث مهم حسابداری است که باتوجه به محیط رقابتی شدید و اهمیت تصمیم‌گیری سریع و مناسب مدیران جایگاه والایی نیز پیداکرده‌است. بنابراین تجزیه وتحلیل شاخص مزبور، عوامل مؤثربرآن و پیش‌بینی سودآوری بسیار چکیده کامل

سود به‌عنوان یکی از مهم‌ترین شاخص‌های اندازه‌گیری عملکرد واحد اقتصادی، ازمباحث مهم حسابداری است که باتوجه به محیط رقابتی شدید و اهمیت تصمیم‌گیری سریع و مناسب مدیران جایگاه والایی نیز پیداکرده‌است. بنابراین تجزیه وتحلیل شاخص مزبور، عوامل مؤثربرآن و پیش‌بینی سودآوری بسیارحائزاهمیت است. درهمین راستا، در پژوهش حاضر تعداد 124 شرکت برای بازه‌زمانی1387 تا1395 با مبناقراردادن اطلاعات بنیادی صورت‌های مالی شرکت‌ها؛ اثر34 متغیر بردقت پیش‌بینی سودآوری شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران مورد بررسی قرارگرفت. از تکنیک درخت‌تصمیمc5 جهت تعیین متغیرهای معنادار در پیش‌بینی سودآوری به علت سهولت بالا در فهم مدل، استفاده شد. در نهایت پس از تعیین متغیرهای موثر و مشخص شدن 8 متغیر، دقت پیش‌بینی‌ها بااستفاده ازتکنیک شبکه‌عصبی، درخت‌تصمیمC5 و ماشین بردار پشتیبان(SVM) اندازه‌گیری ونتایج حاصل از این3 الگوریتم بایکدیگر مقایسه شد. نتایج مقایسه بیانگر آن بود که بهترین مدل پیش‌بینی سودآوری شرکت‌ها با درنظر گرفتن متغیرهای معنادار، الگوریتم درخت‌تصمیم C5 بادقت93.54% است و پس از آن مدل شبکه عصبی بادقتی برابر81.45% نسبت به ماشین بردارپشتیبان (69.35%) دقیق‌تر و دارای سطح خطای کمتری است. پرونده مقاله

دسترسی آزاد مقاله

28 - پیش‌بینی روند حرکتی قیمت سهام با استفاده از XCS مبتنی بر الگوریتم ژنتیک و یادگیری تقویتی
احمدرضا پاکرائی

پیشرفت‌ها در حوزۀ هوش مصنوعی و یادگیری ماشین به‌خصوص درزمینۀ محاسبات تکاملی نه‌تنها ما را قادر به تجزیه‌وتحلیل مؤثرتر داده‌ها نموده است، بلکه این امکان را فراهم ساخته که از آن‌ها برای فهم هرگونه الگوی زیربنایی بازارهای مالی استفاده گردد. اقتصاددانان، آماردانان و مدرسان چکیده کامل

پیشرفت‌ها در حوزۀ هوش مصنوعی و یادگیری ماشین به‌خصوص درزمینۀ محاسبات تکاملی نه‌تنها ما را قادر به تجزیه‌وتحلیل مؤثرتر داده‌ها نموده است، بلکه این امکان را فراهم ساخته که از آن‌ها برای فهم هرگونه الگوی زیربنایی بازارهای مالی استفاده گردد. اقتصاددانان، آماردانان و مدرسان امور مالی همواره علاقه‌مند به توسعه و آزمایش مدل‌های رفتاری قیمت سهام بوده‌اند. XCS سامانه‌ای مرکب از الگوریتم ژنتیک و یادگیری تقویتی است که به‌صورت برخط با محیط در تعامل بوده و توانایی یادگیری از تجربه‌های خود را دارد. در این پژوهش مدلی ارائه می‌گردد که با استفاده از XCS به پیش‌بینی روند حرکت قیمت سهام روز آتی یکی از شرکت‌های فعال در بازار بورس تهران بر اساس داده‌های تاریخی و استفاده از نمایه‌های فنی مختلف پرداخته است. سپس دقت پیش‌بینی مدل پیشنهادی در مقایسه با مدل قدم زدن تصادفی سنجیده شده است. نتایج حاکی است که مدل پیشنهادی در مقایسه با مدل قدم زدن تصادفی از دقت پیش‌بینی بالاتری برخوردار است. پرونده مقاله

دسترسی آزاد مقاله

29 - تحلیل رویکرد ریسکی و غیر ریسکی سطوح فرصت های سرمایه گذاری بر قابلیت پیش بینی بازده سهام
لیلا شیرنژاد سینا خردیار ابراهیم چیرانی

هدف این پژوهش تحلیل تصمیم گیری سرمایه گذاران بر اساس سطوح مختلف فرصت های سرمایه گذاری مبتنی بر رویکرد ریسکی و غیر ریسکی بر قابلیت پیش بینی بازده سهام است. در این پژوهش، تمرکز بر استفاده از سه مدل رگرسیون با قابلیت جایگزینی در ضریب متغیر سطوح فرصت های سرمایه گذاری می باش چکیده کامل

هدف این پژوهش تحلیل تصمیم گیری سرمایه گذاران بر اساس سطوح مختلف فرصت های سرمایه گذاری مبتنی بر رویکرد ریسکی و غیر ریسکی بر قابلیت پیش بینی بازده سهام است. در این پژوهش، تمرکز بر استفاده از سه مدل رگرسیون با قابلیت جایگزینی در ضریب متغیر سطوح فرصت های سرمایه گذاری می باشد که بتواند قابلیت پیش بینی بازده سهام را از دیدگاه سرمایه گذاران ریسکی و غیر ریسکی تحلیل نماید. نمونه پژوهش شامل 113 شرکت از شرکت های پذیرفته شده در بورس اوراق بهادار تهران است که یک دوره زمانی ده ساله از ابتدای سال 1387 تا انتهای سال 1396 را شامل می شود. نتایج نشان می دهد که قابلیت پیش بینی بازده سهام برای سرمایه گذاران مبتنی بر رویکرد ریسکی، تنها زمانی که سطح فرصت های سرمایه گذاری متوسط است وجود دارد و در مقابل زمانی که سطح فرصت های سرمایه گذاری بالا و پایین است، قابلیت پیش بینی بازده سهام بر اساس رویکرد غیر ریسکی سرمایه گذاران انجام می شود. بنابراین سطوح فرصت های سرمایه گذاری دارای نقش با اهمیتی بر اساس مبانی رویکرد غیر ریسکی در قابلیت پیش بینی بازده سهام است. پرونده مقاله

دسترسی آزاد مقاله

30 - ارزیابی مدلهای شبکه عصبی مصنوعی ایستا و پویا در پیش بینی قیمت سهام
علی اکبر نیکواقبال نادیا گندلی علیخانی اسماعیل نادری

پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده چکیده کامل

پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده شده است. اکنون این سئوالمطرح است که، کدام یک از این مدلها قدرت بالاتری برای تبیین فرآیندهای آتی بورس را دارا میباشد؟ در( همین راستا، این مطالعه به مقایسه دقت عملکرد مدلهای شبکه عصبی ایستا و پویا در پیشبینی (تک متغیره 1بازدهی شاخص قیمت و بازده نقدی بورس تهران میپردازد تا امکان انتخاب الگوی بهینه برای پیشبینی متغیرمذکور را میسر نماید. دادههای مورد استفاده در این پژوهش به صورت روزانه و شامل بازهی زمانی پنجمفروردین 1388 تا سیام آبان 1390 میباشد. همچنین الگوهای مورد استفاده در این پژوهش عبارتند از؛ دو مدلو نیز یک مدل شبکهی (MFNN) و شبکه عصبی چند لایه پیشخور (ANFIS) ایستای؛ شبکهی عصبی فازیهستند. این پژوهش عملکرد مدلهای مذکور را، بر اساس معیارهای (NNARX) عصبی پویای اتورگرسیو3 مورد (RMSE) 2 و نیز معیار جذر میانگین مجذور خطا (MSE) محاسبهی خطای پیشبینی میانگین مجذور خطاارزیابی قرار داده است. پرونده مقاله

دسترسی آزاد مقاله

31 - برآورد نرخ ارز (ریال- دلار) بر اساس فرضیه برابری قدرت خرید و رویکرد پولی
مهدی تقوی مهدیه مرادی

این تحقیق به کمک روش خودتوضیح با وقفه های گسترده (ARDL) به برآورد نرخ ارز (ریال- دلار) بر اساس رویکردهای پولی و فرضیه برابری قدرت خرید پول پرداخته شده است. به همین منظور، از داده های سری زمانی سالانه و مشتمل بر سال های 1387-1352 برای کلیه متغیرهای تحقیق استفاده شده و جه چکیده کامل

این تحقیق به کمک روش خودتوضیح با وقفه های گسترده (ARDL) به برآورد نرخ ارز (ریال- دلار) بر اساس رویکردهای پولی و فرضیه برابری قدرت خرید پول پرداخته شده است. به همین منظور، از داده های سری زمانی سالانه و مشتمل بر سال های 1387-1352 برای کلیه متغیرهای تحقیق استفاده شده و جهت انجام آزمون فرضیات تحقیق و انتخاب مدل بهینه، از معیارهای میانگین مجذور خطا (MSE) و جذر میانگین مجذور خطا (RMSE) در پیش بینی های خارج از نمونه، استفاده شده است. نتایج این پژوهش نشان می دهد که دقت پیش بینی مدل برگرفته شده از رویکرد حاصل از فرضیه برابری قدرت خرید پول، از کمترین معیارهای محاسبه خطای پیش بینی (بر اساس هر دو معیار MSE و RMSE) برخوردار بوده و لذا می توان آن را به عنوان بهترین مدل جهت پیش بینی نرخ ارز ریال- دلار انتخاب نمود. پرونده مقاله

دسترسی آزاد مقاله

32 - The Creation and Normalization of Marital Infidelity Predictor Test
Mojtaba Sedaghati Fard Fatemeh Gholi Zade

The aim of this research is to create and to normalize the marital infidelity predictor test. The method used in this study is post-event and it uses the survey technique. The statistical population consists of women residents in Tehran and for investigating the subject چکیده کامل

The aim of this research is to create and to normalize the marital infidelity predictor test. The method used in this study is post-event and it uses the survey technique. The statistical population consists of women residents in Tehran and for investigating the subject and determining the technical characteristics of the questionnaire, 200 individuals are selected, through cluster sampling, who completed the designed questionnaire. The results from the hypotheses testing show that the calculated Cronbach’s alpha, for the reliability coefficient of marital infidelity predictor test is equal to 0.90. The validity of the questionnaire is estimated by using the exploratory factor analysis. 6 factors (sexual, emotional, and communication diversities, motivation to take revenge from the betrayed spouse, the spouse’s unattractiveness, sexual dysfunction, impressionability from the media, and an imbalance of power in the couple’s relationships) are extracted that determine its variance. The results of the hypotheses testing show that there is a relation between the total score of the marital infidelity measure and each of the six factors that are extracted from factor analysis. پرونده مقاله

دسترسی آزاد مقاله

33 - Prediction of Message Diffusion: A Deep Learning Approach on Social Networks
husnyeh safearyan Mohammad Jafar Tarokh Mohammad Ali Afshar Kazemi

Nowadays, many industries pay attention to social media because people are spending sizable chunks of their lives in virtual worlds. Some of the social networks such as Facebook, Instagram and Twitter affected by their user through content. Predicting the popularity of چکیده کامل

Nowadays, many industries pay attention to social media because people are spending sizable chunks of their lives in virtual worlds. Some of the social networks such as Facebook, Instagram and Twitter affected by their user through content. Predicting the popularity of content can play an important role in different areas such as viral marketing, advertising and propagation news. However, prediction problem is a challenging problem. In this paper, we developed a deep learning approach to predict the popularity of tweets in the twitter social network. It is called DLMD. We extracted the feature of content from each tweet. We use the deep learning approach for prediction it means that we model this problem with a binary classification problem Our proposed method evaluate with different measures and the results show that DLMD method has a high accuracy in prediction rather than other methods. Therefore, DLMD is a convenient method to predict diffusion on the social networks. پرونده مقاله

دسترسی آزاد مقاله

34 - پیش‌بینی سرانه مخارج بهداشتی در ایران تا افق 1420 با استفاده از الگوریتم‌های ژنتیک و بهینه‌سازی انبوه ذرات
ابوالقاسم گل خندان سمیه صحرائی

مقدمه: پیش‌بینی روند سرانه مخارج بهداشتی می‌تواند در تعیین بهترین سیاست‌ها برای تأمین مالی و مدیریت هزینه‌های سلامت، مفید و مؤثر باشد. بر این اساس، هدف اصلی این مطالعه پیش‌بینی روند سرانه مخارج بهداشتی در ایران بود. روش پژوهش: این مقاله با استفاده از مبانی نظری در زمینه چکیده کامل

مقدمه: پیش‌بینی روند سرانه مخارج بهداشتی می‌تواند در تعیین بهترین سیاست‌ها برای تأمین مالی و مدیریت هزینه‌های سلامت، مفید و مؤثر باشد. بر این اساس، هدف اصلی این مطالعه پیش‌بینی روند سرانه مخارج بهداشتی در ایران بود. روش پژوهش: این مقاله با استفاده از مبانی نظری در زمینه تابع مخارج بهداشتی و به‌کارگیری آن با دو ابزار الگوریتم ژنتیک (GA) و الگوریتم بهینه‌سازی انبوه ذرات (PSO)، به شبیه‌سازی تابع سرانه مخارج بهداشتی ایران طی سال‌های 1394-1358 در قالب سه معادله خطی، نمایی و درجه دوم پرداخت و سپس با استفاده از معیارهای انتخاب مدل رقیب، الگوریتم و مدل برتر انتخاب و اقدام به پیش‌بینی میزان سرانه مخارج بهداشتی تا سال 1420 شد. تحلیل داده‌ها نیز به کمک نرم‌افزار MATLAB نسخه R2016b صورت گرفت. یافته‌ها: نتایج پیش‌بینی نشان‌دهنده آن بود که سرانه مخارج بهداشتی در ایران با شیب افزایشی تا سال 1420 افزایش خواهد یافت. به‌گونه‌ای که میزان این مخارج از مقدار 1081 دلار (بر اساس قیمت‌های ثابت سال 2011) در سال 1394 به میزان 2628 دلار در سال 1420 خواهد رسید (چیزی حدود 2/5 برابر). نتیجه‌گیری: با توجه به مقادیر پیش‌بینی‌شده سرانه مخارج بهداشتی تا افق 1420، سیاست‌گزاران بخش سلامت بایستی تدابیر لازم را برای تأمین مالی مخارج این بخش اتخاذ کنند. پرونده مقاله

دسترسی آزاد مقاله

35 - Customer Retention Based on the Number of Purchase: A Data Mining Approach
Sahar Mehregan Reza Samizadeh

Purpose: this study wants to find any relationship between the numbers of purchase and the income the customer brings to the company. The attempt is to find those customers who buy more than one life insurance policy and represent the signs of good payments at the same چکیده کامل

Purpose: this study wants to find any relationship between the numbers of purchase and the income the customer brings to the company. The attempt is to find those customers who buy more than one life insurance policy and represent the signs of good payments at the same time by the help of data mining tools. Design/ methodology/ approach: the approach of this research is to use data mining tools based on CRISP-DM methodology. The classification is based on the K-means algorithm and prediction is applied by a proposed formula by the researcher in Excel worksheet. Findings: By selecting the customers who bought more than one policy, and filtering the Income bringer customers, the researcher could extract some simple rules to predict which customer belongs to which cluster. Based on the prediction, the company can change its strategies in relation to different customers. Originality/value: Utilizing data mining approach to classify different customers in life insurance and prediction based on the classification is a new approach amongIran insurance companies. There is not enough research and implementation in relation to the CRM and data mining in the insurance industry. Especially CRISP-DM methodology was used very hardly before in a life insurance investigation. پرونده مقاله

دسترسی آزاد مقاله

36 - Artificial Neural Network Model for Predicting Insurance Insolvency
Ade Ibiwoye Olawale Ajibola Ashim Sogunro

In addition to its primary role of providing financial protection for other industries the insurance industry also serves as a medium for fund mobilization. In spite of the harsh economic environment in Nigeria, the insurance industry has been crucial to the consummatio چکیده کامل

In addition to its primary role of providing financial protection for other industries the insurance industry also serves as a medium for fund mobilization. In spite of the harsh economic environment in Nigeria, the insurance industry has been crucial to the consummation of business plans and wealth creation. However, the continued downturn experienced by many countries, in the last decade, seems to have impacted negatively on the financial health of the industry, thereby rendering many insurance companies inherently distressed. Although there is a regulator to monitor the insurance companies in order to prevent insolvency and protect the right of consumers this oversight function has been made difficult because the regulators appeared to lack the necessary tools that would adequately equip them to perform their oversight functions. One such critical tool is a decision making model that provides early warning signal of distressed firms. This paper constructs an insolvency prediction model based on artificial neural network approach which could be used to evaluate the financial capability of insurance companies. پرونده مقاله

دسترسی آزاد مقاله

37 - بررسی نقش حسابداری محافظه کارانه درکاهش خطر ورشکستگی شرکت (شواهدی از بازار سرمایه ایران بر اساس مدل ورشکستگی زاوگین)
زهره حاجیها مهدی قائم مقامی

این پژوهش روابط موجود میان حسابداری محافظه کارانه و ریسک ورشکستگی را مورد بررسی قرار می دهدکه محافظه کاری سبب افزایش اموال و پول نقد می گردد و ورشکستگی از شرایطی که در آن پول نقد به میزانکافی وجود ندارد، تبعیت می کند، بنابراین تئوری حسابداری حاکی از وجود رابطه بین ایندو چکیده کامل

این پژوهش روابط موجود میان حسابداری محافظه کارانه و ریسک ورشکستگی را مورد بررسی قرار می دهدکه محافظه کاری سبب افزایش اموال و پول نقد می گردد و ورشکستگی از شرایطی که در آن پول نقد به میزانکافی وجود ندارد، تبعیت می کند، بنابراین تئوری حسابداری حاکی از وجود رابطه بین ایندو مقوله است . در اینتحقیق از طبقه بندی محافظه کاری مشروط و نامشروط و از مدل پیش بینی ورشکستگی زاوگین که طیفی ازاحتمال ورشکستگی را به جای ارائه تنها دو حالت مطرح می نماید، استفاده شده است.برای بررسی این رابطه، از مدل رگرسیون استفاده شده است. براساس اطلاعات مالی شرکت های پذیرفته شده772 سال - شرکت) نتایج پژوهش حاضر نشان داد ) 1379 - در بورس اوراق بهادار تهران برای دوره زمانی 1388که وجود رابطه معنادار میان محافظه کاری حسابداری و ریسک ورشکستگی تایید می شود و عملیات شرکت هاشامل اعمال حسابداری محافظه کارانه جهت کاهش ورشکستگی است. نتایج تحقیق با سایر تحقیقات جهانیسازگار است و می تواند کلیه گروه های ذی نفع درون و برون سازمانی را در اتخاذ تصمیمات خود یاری کند. پرونده مقاله

دسترسی آزاد مقاله

38 - پیش بینی گزارشگری مالی متقلبانه از طریق شبکه عصبی مصنوعی(ANN)
مجتبی تاراسی بهاره بنی طالبی دهکردی بهزاد زمانی

در این پژوهش، توانایی شبکه های عصبی مصنوعی(ANN) ، به عنوان روشی نوین در خصوص پیش بینی احتمال گزارشگری مالی متقلبانه ،در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در یک دوره زمانی 9 ساله بین سال های 1385 تا 1393مورد بررسی قرار گرفت. بدین منظور از طریق اطلاعات مندرج چکیده کامل

در این پژوهش، توانایی شبکه های عصبی مصنوعی(ANN) ، به عنوان روشی نوین در خصوص پیش بینی احتمال گزارشگری مالی متقلبانه ،در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در یک دوره زمانی 9 ساله بین سال های 1385 تا 1393مورد بررسی قرار گرفت. بدین منظور از طریق اطلاعات مندرج درصورتهای مالی ، نسبتهای مالی و مدل پرسپترون های چند لایه که شامل یک لایه ورودی ،لایه پنهان از دید نرم افزار MATLAB، و یک لایه خروجی است، احتمال وجود تحریف درگزارش ها مالی وارائه گزارشگری مالی متقلبانه ازطریق تکنیک شبکه عصبی ارزیابی گردید. در این راستا، از اطلاعات هفت سال اول شرکتها، جهت طراحی و آموزش شبکه عصبی، از داده های سال هشتم به منظور اعتبارسنجی و تایید آموزش شبکه و از داده های سال نهم به عنوان داده های آزمون و تست شبکه ی طراحی شده استفاده گردید. در نهایت با توجه به نتایج حاصله، مشخص شد که تکنیک شبکه عصبی و مدلسازی مبتنی برشبکه عصبی ازصحت 97.4درصد برخوردار است و با طراحی و آموزش دقیق، می توان شبکه های عصبی طراحی نمود که با دقت قابل قبولی بتوانند احتمال گزارشگری مالی متقلبانه شرکت ها را کشف و پیش بینی نمایند. پرونده مقاله

دسترسی آزاد مقاله

39 - مقایسه پیش بینی هزینه ها با استفاده از روش های آماری و شبکه عصبی مطالعه موردی: شهرداری اصفهان
امیر محمدزاده نسرین مهدی پور آرش محمدزاده

پیش بینی هزینه کل آب در شهرداری اصفهان کمک موثری میباشد برای بهینه سازی مصرف آب در 14 منطقهشهرداری اصفهان. هزینه کل آب تابعی از پارامترهای مختلف و متنوع می باشد. به همین دلیل پیش بینی هزینه بهصورت تحلیلی بسیار مشکل و یا ناممکن می باشد. در این شرایط استفاده از سیستم های چکیده کامل

پیش بینی هزینه کل آب در شهرداری اصفهان کمک موثری میباشد برای بهینه سازی مصرف آب در 14 منطقهشهرداری اصفهان. هزینه کل آب تابعی از پارامترهای مختلف و متنوع می باشد. به همین دلیل پیش بینی هزینه بهصورت تحلیلی بسیار مشکل و یا ناممکن می باشد. در این شرایط استفاده از سیستم های هوشمند می تواند بهعنوان یک گزینه راهگشا مطرح گردد. در این تحقیق با استفاده از شبک ه های عصبی پرسپترون چند لایه و باالگوریتم آموزشی پس انتشار خطا هزینه کل آب شهرداری اصفهان بر اساس پارامترهای سرانه جمعیت هر منطقه،سرانه مساحت هر منطقه به دست آمده است.بدین منظور در این تحقیق مدلی برنامه ریزی شده که قابلیت ها وچهارچوب آن برای پیش بینی هزینه آب در 14 منطقه شهرداری اصفهان میباشد. این برنامه شامل شبیه سازی و پیشبینی هزینه کل آب سالانه شهرداری اصفهان می باشد. شبیه سازی هزینه کل آب با روش های رگرسیون و ش بکهعصبی مصنوعی با استفاده از داده های سال 83 تا 88 انجام شده است که در نهایت روش شبکه عصبی مصنوعیبه عنوان مدل شبیه سازی تعیین شده است پرونده مقاله

دسترسی آزاد مقاله

40 - پیش‌بینی جریان بر پایه‌ عدم قطعیت‌های موجود و ارزیابی نوسانات جریان زیست‌محیطی روی اکوسیستم‌ منابع تجدیدشونده حوضه سد طالقان
زهرا نفریه مهدی سرائی تبریزی حسین بابازاده حمید کاردان مقدم

10.30495/jrnr.2022.69887.10263

اهمیت بقای نسل گونه‌های نادر و حفظ تنوع زیستی کشور برای آیندگان و چرخه اکوسیستم با وجود محدودیت‌های منابع آب سطحی لزوم برنامه‌ریزی منابع آبی را نشان ‌می‌دهد. مولفه‌ مهم در بهینه‌سازی و مدیریت آب سطحی، پیش بینی های بلند‌مدت و کوتاه مدت جریان رودخانه است. پژوهش حاضر ب چکیده کامل

اهمیت بقای نسل گونه‌های نادر و حفظ تنوع زیستی کشور برای آیندگان و چرخه اکوسیستم با وجود محدودیت‌های منابع آب سطحی لزوم برنامه‌ریزی منابع آبی را نشان ‌می‌دهد. مولفه‌ مهم در بهینه‌سازی و مدیریت آب سطحی، پیش بینی های بلند‌مدت و کوتاه مدت جریان رودخانه است. پژوهش حاضر به منظور دستیابی به این مهم به مقایسه عملکرد دو مدل شبکه بیزینBN و شبکه عصبی MLP، طی هفده الگوی ساختاری پرداخت. سپس مقادیر زیست‌محیطی و شرایط زیستی آبزیان بررسی شد. داده های ماهانه هواشناسی و همچنین حجم آب انتقالی از پنج ایستگاه هیدرومتری ورودی به سد طالقان از سال 1385 تا 1397 به‌عنوان داده ورودی به مدل‌ها معرفی گردید و رواناب ورودی به سد به‌عنوان پیش بینی شونده لحاظ شد. در مرحله بعد با استفاده از روش هیدرولوژیک تنانت دبی‌های‌ ‌زیست‌محیطی محاسبه گردید و احتمال وقوع این دبی‌ها در داده‌های ثبتی و هفده الگو در محیط نرم افزار Easyfit محاسبه شد. سپس مقایسه‌ الگوهای منتخب با توجه به احتمال وقوع و معیار‌های شاخص، ضریب نش- ساتکلیف، جذر خطای میانگین مربعات و متوسط خطای پیش‌بینی مطلق انجام شد. با وجود 43/3 درصد تشابه بهترین الگو مدل BN در برابر 80 درصد تشابه در مدل MLP، مدل BN با معیار شاخص بهتر (3/98- ، 17/3 و 0/06) در مقابل مقادیر شاخص در مدل MLP (23/9 ،-10/3 و 122/3) دقت بهتری داشته است. همچنین مشخص شد حوضه با خطر ‌زیست‌محیطی مواجه است، زیرا مقادیر پیشنهادی برای جریان زیست‌محیطی در بعضی از ماه‌ها در طول دوره مطالعاتی از کل رواناب بیشتر بوده است. پرونده مقاله

دسترسی آزاد مقاله

41 - ارزیابی مدل لاری در پیش بینی اشتغال و جمعیت شهر سنندج
دکترعثمان باقدم اکبر پرهیزکار مسعود مهدوی

شهر فضایی را تداعی می سازد که در آن مردم تجمع یافته و زندگی خود را به شکل نسبتا دائمی بر اساس فعالیتهای اقتصادی منطقه تامین می سازند. فضای مذکور می تواند مرکز اقتصادی، تجاری، آموزشی یا ترکیبی از آنها باشد و همین باعث جذب مردم از مناطق غیر شهری می گردد. درک ارزش و فهم فع چکیده کامل

شهر فضایی را تداعی می سازد که در آن مردم تجمع یافته و زندگی خود را به شکل نسبتا دائمی بر اساس فعالیتهای اقتصادی منطقه تامین می سازند. فضای مذکور می تواند مرکز اقتصادی، تجاری، آموزشی یا ترکیبی از آنها باشد و همین باعث جذب مردم از مناطق غیر شهری می گردد. درک ارزش و فهم فعالیتهای اقتصادی محلی، کار برنامه ریز را استحکامی اساسی می بخشد. حضور جمعیت در یک ناحیه شهری یا روستایی مشخص با اشتغال و وجود مشاغل در آن ناحیه عملی می شود، بنابراین ارتباط نزدیکی بین سطوح اشتغال یا فعالیت اقتصادی در یک ناحیه مفروض و سطح جمعیت دارد. پیش بینی یا برآوردی از جمعیت و اشتغال آینده برای هر کشور، ناحیه، شهر یا روستا کار بسیار مشکل و در عین حال ظریفی است زیرا که برای رسیدن به یک برآورد نسبتا دقیق جمعیتی در آینده نیاز به استفاده از روش ها و مدلهای نسبتا دقیقی است که مدل لاری از اینگونه مدلهاست . در این مدل فعالیتهای اقتصادی به صورت ظرف و کاربریهای زمین شهری به عنوان مظروف مطرح شده است. شهر سنندج به عنوان مرکز استان کردستان در غرب ایران قرار دارد و نقش غالبی را در زمینه ارائه خدمات در سطوح مختلف اقتصادی و اجتماعی در سطح ناحیه ای، منطقه ای داشته است. در یک مقطع 40 ساله از سال 1335 تا 1375 جمعیت شهر سنندج 8/6 برابر شده است ، بنابراین آگاهی از جمعیت و اشتغال این شهر در آینده از اهمیت بالائی برخوردار است. با توجه به نتیجه بدست آمده از کاربرد مدل لاری در پیش بینی این مدل با واقعیت موجود اختلاف دارد . پیش بینی جمعیت کمتر از مقدار واقعی و در پیش بینی اشتغال بیشتر از مقدار کافی عمل کرده است . پرونده مقاله

دسترسی آزاد مقاله

42 - پیش بینی تغییرات مسیر رودخانه کارون با استفاده از داده های تاریخی و کمی ژئومورفولوژی(محدوده شوشتر تا اروند رود )
جعفر مرشدی سید کاظم علوی پناه

محدوده مورد مطالعه بخشی از رودخانه کارون واقع در استان خوزستان است که از تنگ عقیلی شوشتر تا محل ورود کارون به اروند رود امتداد دارد.تغییرات رودخانه کارون در جلگه آبرفتی خوزستان و تفاوتهای محلی بازه ها با توجه به عوامل زمین ساختی(تکتونیکی)، هیدرولوژیکی و انسانی، سبب آسیب چکیده کامل

محدوده مورد مطالعه بخشی از رودخانه کارون واقع در استان خوزستان است که از تنگ عقیلی شوشتر تا محل ورود کارون به اروند رود امتداد دارد.تغییرات رودخانه کارون در جلگه آبرفتی خوزستان و تفاوتهای محلی بازه ها با توجه به عوامل زمین ساختی(تکتونیکی)، هیدرولوژیکی و انسانی، سبب آسیب ها و مخاطرات رودخانه ای در طول زمان شده است و کنترل این مخاطرات تنها با شناخت محیط رودخانه و تعیین تغییرات آن به روشهای مناسب امکان پذیر است. برای بررسی ویژگیهای مورفومتریک رودخانه کارون جهت پیش بینی تغییرات، با استفاده از تصاویر ماهواره ای IRS، سنجنده LISSIII با قدرت تفکیک مکانی 23.5 متر مربوط به تاریخ 29 ژولای سال 2007، و تصاویر ماهواره لندست سال 1991 مسیر رودخانه ترسیم شد و در نرم افزار های GIS اندازه گیری های مورد نیاز، انجام و مورد تجزیه و تحلیل مکانی قرار گرفت. برای این منظور کل رودخانه کارون با توجه به تعداد پیچهای آن (100 پیچ)، به محدوده های کوچکتری تقسیم شد و نقاط عطف پیچها به عنوان محدوده بالایی و پایینی هر پیچ انتخاب گردید و پارامترهای شعاع انحناء، نقاط میانگین مرکزی هر پیچ، جهت پیچ ومیزان مهاجرت سالیانه آن اندازه گیری شد نتایج روش پیش بینی مسیر رودخانه نشان می دهد که بازه های مآندری بیشترین تهدید را دارند و اگر تغییرات کاربریها و مناطق حساس رودخانه به فرسایش بخصوص در راس پیچها و مناطق با تغییر پذیری بالا کنترل نشود مساحت زیادی از اراضی کشاورزی، تاسیسات انسانی و جاده ها در معرض تهدید و تخریب جدی قرار می گیرند پرونده مقاله

دسترسی آزاد مقاله

43 - بررسی شاخص‌های کمی، اقتصادی مسکن و پیش بینی ساختار جمعیت،قیمت مسکن و مسکن مورد نیاز تا افق1410 برای شهر تهران
جواد مهدیان پور حمیدرضا صارمی

مقدمه و هدف پژوهش: وضعیت شاخص‌های مسکن شهری یکی از شاخص‌های توسعه اقتصادی- اجتماعی در کشورهای جهان محسوب‌ می‌شود، در کشورهای در حال توسعه و از جمله کشور ایران به دلیل وجود نواقص در برنامه ریزی مسکن و همچنین افزایش شتابان شهرنشینی تأمین مسکن به عنوان یکی از مسائل حاد در چکیده کامل

مقدمه و هدف پژوهش: وضعیت شاخص‌های مسکن شهری یکی از شاخص‌های توسعه اقتصادی- اجتماعی در کشورهای جهان محسوب‌ می‌شود، در کشورهای در حال توسعه و از جمله کشور ایران به دلیل وجود نواقص در برنامه ریزی مسکن و همچنین افزایش شتابان شهرنشینی تأمین مسکن به عنوان یکی از مسائل حاد در آمده است، دگرگونی‌های شهر تهران در دﻫﻪﻫﺎی در ابعاد ﺳﺒﺐ ﮔﺮدﯾﺪه ﺗﺎ ﺑﺮﻧﺎﻣﻪرﯾﺰی ﻣﺴﮑﻦ برای آن اﻫﻤﯿﺖ دو ﭼﻨﺪان ﯾﺎﺑﺪ. هدف این مقاله بررسی شاخص کمی و اقتصادی مسکن، پیش بینی، نیاز و قیمت مسکن در شهر تهران تا افق 1410‌ می‌باشد. . روش پژوهش: روش مورد استفاده در این پژوهش بر اساس هدف، کاربردی و برمبنای گردآوری داده، توصیفی و تحلیلی - کمی‌ می‌باشد، جهت جمع آوری اطلاعات از روش کتابخانه‌ای و اسنادی استفاده شده و در انتها به پیش بینی ساختار جمعیت (روش نمایی)، نیاز مسکن( روش‌های انبوهه و شاخص) و قیمت مسکن (روش آریما) در سه سناریوی حداقل، متوسط و حداکثر پرداخته شده است. یافته‌ها: یافته‌های تحقیق نشان‌ می‌دهد که جمعیت شهر تهران ﺗﺎ اﻓﻖ 1410 ﺑﻪ 8537000تا9734000 نفر می‌رسد، و به 2863000 تا 3534000 واحد مسکونی نیاز دارد. همچنین پیش بینی‌ می‌شود تا افق مورد نظر متوسط قیمت هر متر مربع مسکن به 6.4 تا 6.8 میلیون تومان خواهد رسید. نتیجه گیری: تحلیل وضعیت مسکن شهر تهران نشان می‌دهد که مطلوبیت شاخص‌های مسکن در بخش کمی بهبود و در بخش اقتصادی تنزل داشته است و برای آینده شهر تهران سناریوی حداقل در بخش رشد جمعیت و سناریوی حداکثر قیمت مسکن محتمل‌تر به نظر‌ می‌رسد. پرونده مقاله

دسترسی آزاد مقاله

44 - A Study on the Financial Performance of Companies Using Data Envelopment Analysis Model and Zemijsky's Model and a Comparison of their Results
Akbar rahimipoor masomeh tadress hasani

Recent bankruptcy of big companies all over the world and fluctuations in Iran's stock market require that some methods be developed for the evaluation of companies' financial potential. Different models are used for the prediction of bankruptcy and the evaluation of or چکیده کامل

Recent bankruptcy of big companies all over the world and fluctuations in Iran's stock market require that some methods be developed for the evaluation of companies' financial potential. Different models are used for the prediction of bankruptcy and the evaluation of organizational financial situation. Environmental changes and increasing competition among agencies led to companies' and organizations' limited access to expected profit. Thus, financial decision making is, nowadays, more and more important, forcing managers to apply modern control methods through sophisticated techniques. The present study aims to evaluate the performance of companies' situation. For this purpose, we use the two models of data envelopment analysis and Zemijsky and compare results derived from them. The research data were gathered from 10 accepted in stock market. Results from data envelopment analysis model indicated that only one company was in a proper financial situation while results from Zemijsky's model showed that there were two companies in good financial condition. We also managed to develop strategies for the improvement of financial situation in other companies using data envelopment analysis model. پرونده مقاله

دسترسی آزاد مقاله

45 - کارایی الگوریتم حداکثر آنتروپی و سامانه اطلاعات جغرافیایی در ارزیابی حساسیت‌پذیری زمین‌لغزش‌های کم‌عمق
فائزه رجب زاده سید سعید غیاثی امید رحمتی

زمین‌لغزش‌های کم‌عمق از جمله بلایای طبیعی می‌باشد که خسارات جانی و مالی فراوانی در حوزه‌های آبخیز کوهستانی وارد می‌آورد. استفاده از روشهای مناسب جهت ارزیابی خطر لغزش‌های کم‌عمق و تعیین عوامل مؤثر وقوع، در کاهش خطرات ناشی از آن بسیار مؤثر است. در این مطالعه پتانسیل الگور چکیده کامل

زمین‌لغزش‌های کم‌عمق از جمله بلایای طبیعی می‌باشد که خسارات جانی و مالی فراوانی در حوزه‌های آبخیز کوهستانی وارد می‌آورد. استفاده از روشهای مناسب جهت ارزیابی خطر لغزش‌های کم‌عمق و تعیین عوامل مؤثر وقوع، در کاهش خطرات ناشی از آن بسیار مؤثر است. در این مطالعه پتانسیل الگوریتم حداکثر آنتروپی در مدلسازی حساسیت‌پذیری زمین لغزش مورد بررسی قرار گرفت. در تحقیق حاضر که در غرب استان اردبیل صورت پذیرفته، 74 زمین‌لغزش شناسایی که، 52 زمین‌لغزش (%70) برای آموزش مدل و 22 زمین‌لغزش (%30) برای صحت‌سنجی مورداستفاده قرار گرفت. فاکتورهای محیطی شامل فاکتورهای پیوسته (ارتفاع، شیب، جهت، انحنای سطح، تراکم زهکشی، بارندگی) و طبقه‌ای (سنگ‌شناسی و کاربری اراضی) به‌عنوان داده‌های ورودی برای مدل حداکثر آنتروپی مورد استفاده قرار گرفت. استفاده از آزمون بهینه بر اساس روش ارزیابی متقابل نشان داد وجود داده‌های پیوسته و ترکیب آنها با داده‌های طبقه‌ای، بهترین عملکرد پیش‌بینی را امکان‌پذیر می‌سازد. نتایج صحت‌سنجی نشان داد سطح زیر منحنی ROC و AUCبرای حصول موفقیت و پیش‌بینی مدل، به-ترتیب برابر با 1/96 و 6/97% می‌باشد. همچنین، تجزیه و تحلیل توزیع فاکتور نشان داد لایه‌های طبقات ارتفاعی و بارندگی به‌عنوان مؤثرترین فاکتورها می‌باشند. با تفسیر منحنی پاسخ مشاهده شد شیب‌های تند حوضه پوشیده از خاکهای پادگانه آبرفتی قدیمی، نسبت به زمین‌لغزش بسیار آسیب‌پذیرترند. پیش‌بینی عملکرد مدلسازی با الگوریتم حداکثر آنتروپی بسیار بهتر از دیگر مدل‌ها مانند رگرسیون لجستیک می‌باشد که به‌طور گسترده‌ای در ارزیابی حساسیت‌پذیری زمین‌لغزش مورد استفاده قرار گرفته است. نتیجتا می‌توان اذعان داشت، مدلسازی با الگوریتم حداکثر آنتروپی یک مدل پیش‌بینی مؤثر برای حساسیت‌پذیری زمین لغزش می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

46 - برآورد جریان ورودی به دریاچه ارومیه با استفاده از تلفیق مدل‌های سری زمانی و شبیه‌سازی شرایط توسعه حوضه آبریز در دو سناریوی بلند و کوتاه مدت
اردلان شریف نسب مجتبی شوریان

دریاچه ارومیه به‌عنوان بزرگ‌ترین و مهم‌ترین دریاچه داخلی ایران و به‌ عنوان یکی از ذخایر ارزشمند جهانی زیست‌کره از وضعیت نامطلوبی در سالهای اخیر برخوردار بوده است. شرایط نامناسب این دریاچه موجب آثار جبران‌ناپذیر زیست‌محیطی، اقتصادی و اجتماعی خواهد شد. لذا بررسی این موضوع چکیده کامل

دریاچه ارومیه به‌عنوان بزرگ‌ترین و مهم‌ترین دریاچه داخلی ایران و به‌ عنوان یکی از ذخایر ارزشمند جهانی زیست‌کره از وضعیت نامطلوبی در سالهای اخیر برخوردار بوده است. شرایط نامناسب این دریاچه موجب آثار جبران‌ناپذیر زیست‌محیطی، اقتصادی و اجتماعی خواهد شد. لذا بررسی این موضوع از جنبه‌های مختلف ضروری می‌نماید. در تحقیق حاضر، با استفاده از مدلهای سری‌زمانی میانگین متحرک خود ‌بازگشت (ARMA) جریان ورودی به رودخانه‌های حوضه آبریز دریاچه ارومیه برای سال‌های آتی در دو سناریو، یک‌بار بر اساس داده‌های ثبت شده بلند مدت و بار دیگر بر اساس داده‌های کوتاه مدت دوره‌های خشکسالی اخیر پیش‌بینی گردیده است. سپس با وارد کردن پتانسیل جریان سطحی تولیدی رودخانه‌ها در مدل شبیه‌سازی شرایط توسعه حوضۀ آبریز دریاچه ارومیه در افق 1420 در محیط MODSIM، پس از تعیین وضعیت منابع و مصارف، جریان ورودی به دریاچه ارومیه در هر یک از سناریوها برآورد و اختلاف آن با حقابه زیست محیطی مصوب دریاچه محاسبه گردیده است. در نهایت بعنوان یک راهکار کلی، میزان کاهشی که لازم است در مقادیر نیاز آبی کشاورزی بعنوان مصرف کننده اصلی آب در حوضه داده شود، محاسبه گردیده تا حقابه دریاچه تأمین گردد. نتایج حاکی از آن است در صورتی که نیاز آبی سالیانه متوسط کشاورزی در کل حوضه آبریز در سناریوهای پیش بینی بر اساس داده‌های بلند و کوتاه مدت به طور متوسط در حدود 14% و 56% کاهش یابد، حقابه زیست محیطی مصوب دریاچه ارومیه قابل تأمین خواهد بود. پرونده مقاله

دسترسی آزاد مقاله

47 - پیش‌بینی نمایه خشکسالی SPI به‌روش‌های رگرسیون بردار پشتیبان و خطی چندگانه
سعید صمدیان فرد اسماعیل اسدی

خشکسالی پدیده ای طبیعی است که به‌علت برهم‌کنش عوامل مختلف هواشناسی، دارای فرآیند پیچیده ای بوده و در همه شرایط اقلیمی و در تمام مناطق کره زمین به وقوع می‌پیوندد. لذا پیش‌بینی نمایه‌های خشکسالی و ارزیابی زمانی آن‌ها، یکی از راه‌های مؤثر در مدیریت بحران خشکسالی و تدوین طر چکیده کامل

خشکسالی پدیده ای طبیعی است که به‌علت برهم‌کنش عوامل مختلف هواشناسی، دارای فرآیند پیچیده ای بوده و در همه شرایط اقلیمی و در تمام مناطق کره زمین به وقوع می‌پیوندد. لذا پیش‌بینی نمایه‌های خشکسالی و ارزیابی زمانی آن‌ها، یکی از راه‌های مؤثر در مدیریت بحران خشکسالی و تدوین طرح‌هایی به‌منظور کاهش اثرات آن به نظر می‌رسد. در پژوهش حاضر، برای پیش‌بینی نمایه خشکسالی بارش استاندارد شده (SPI) در ایستگاه سینوپتیک تبریز در بازه‌زمانی سال‌های 1358 تا 1391، از روش‌های رگرسیون بردار پشتیبان و رگرسیون خطی چندگانه استفاده گردید. بدین منظور، برای پیش‌بینی نمایه SPI در دوره‌های 3، 6، 9، 12، 24 و 48 ماهه از شش ترکیب متفاوت ورودی متشکل از مقادیر متناظر قبلی همان نمایه استفاده گردید. نتایج حاصل از تحلیل پارامترهای آماری نشان داد که هر دو روش مورد مطالعه دقت مناسبی در پیش‌بینی نمایه‌های خشکسالی داشته‌اند ولی با این وجود، روش رگرسیون بردار پشتیبان در پیش‌بینی نمایه‌های SPI-6، SPI-9 و SPI-24 به‌ترتیب با داشتن جذر میانگین مربعات خطای 4985/0، 4340/0 و 2427/0 عملکرد بهتری در مقایسه با رگرسیون خطی چندگانه داشته است. ولی در پیش‌بینی نمایه‌های SPI-3، SPI-12 و SPI-48، روش رگرسیون خطی چندگانه خطای نسبی کم‌تری را نشان داد. با این وجود، می‌توان چنین نتیجه‌گیری نمود که هر دو روش مورد مطالعه شامل رگرسیون بردار پشتیبان و خطی چندگانه پیش‌بینی‌های مناسبی از نمایه‌های خشکسالی داشته‌اند و می‌توانند برای مدیریت عواقب ناشی از پدیده مذکور، با اطمینان قابل قبولی مورد استفاده قرار گیرند. پرونده مقاله

دسترسی آزاد مقاله

48 - شبیه سازی خودهمبسته جریان حوضه آبریز زرینه رود با استفاده از روش تجزیه پروکراستس و مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان
بهروز سبحانی محمد عیسی زاده منیر شیرزاد

پیش بینی جریان رودخانه ها در حوضه های آبریز نقش مهمی در بهره برداری و مدیریت صحیح منابع آبی دارد. تعیین نوع و تعداد ورودی مدل های تخمین گر، یکی از مهم ترین مراحل در پیش بینی جریان رودخانه ها می باشد. بنابراین از روش تجزیه پروکراستس (PA) برای تعیین تعداد ورودی های موثر چکیده کامل

پیش بینی جریان رودخانه ها در حوضه های آبریز نقش مهمی در بهره برداری و مدیریت صحیح منابع آبی دارد. تعیین نوع و تعداد ورودی مدل های تخمین گر، یکی از مهم ترین مراحل در پیش بینی جریان رودخانه ها می باشد. بنابراین از روش تجزیه پروکراستس (PA) برای تعیین تعداد ورودی های موثر استفاده شده است. در این تحقیق پیش بینی جریان با استفاده از داده های جریان ماهانه ایستگاه های آب سنجی صفاخانه و سنته انجام گرفته است. مدل شبکه عصبی مصنوعی (MLP) و مدل ماشین بردار پشتیبان (SVM) برای پیش بینی جریان مورد استفاده قرار گرفته اند. بهترین تخمین جریان با استفاده از مدل های MLP و PA-MLP در ایستگاه آب سنجی صفاخانه به ترتیب با RMSE برابر با (m3/s) 68/5 و (m3/s) 85/4 و CC برابر با 73/0 و 78/0 و در ایستگاه آب سنجی سنته به ترتیب با RMSE برابر با (m3/s) 44/6 و (m3/s) 36/6 و CC برابر با 78/0 و 79/0 انجام شده است. مدل PA-SVM نیز به ترتیب با RMSE و CC برابر با (m3/s) 45/5 و 73/0 در دوره صحت سنجی نتایج بهتری را نسبت مدل SVM در تخمین جریان ایستگاه آب سنجی صفاخانه داشته است. همچنین نتایج نشان داد که مدل های SVM و PA-SVM جریان ایستگاه سنته را با RMSE به ترتیب برابر با (m3/s) 85/6 و (m3/s) 03/7 تخمین زده اند. در حالت کلی نتایج نشان داد که روش تجزیه پروکراستس می تواند به عنوان یکی از روش‌های کارآمد و مناسب جهت تعیین تعداد ورودی موثر مورد استفاده قرار گیرد. مقایسه نتایج مدل های MLP و SVM نیز نشان داد که مدل MLP از دقت بیشتری نسبت به مدل SVM برخوردار است. پرونده مقاله

دسترسی آزاد مقاله

49 - ارزﻳﺎﺑﻲ عملکرد مدل WRF در پیش‌بینی تبخیر و تعرق گیاه برنج بر اساس داده‌های لایسیمتری در جلگه مرکزی گیلان
ابراهیم اسعدی اسکوئی محمدرضا محمدپورپنچاه لیلا گودرزی مجتبی شکوهی

10.30495/wsrcj.2021.19209

زمینه و هدف: تبخیر و تعرق به‌عنوان یکی از مؤلفه‌های اصلی چرخه هیدرولوژی، نقش قابل توجهی در برنامه‌ریزی صحیح آبیاری و مدیریت منابع آب دارد. بنابراین برآورد دقیق این پارامتر ضروری است. به دلیل فقدان داده و کمبود ایستگاه‌های هواشناسی، تخمین تبخیر و تعرق با محدودیت روبه رو چکیده کامل

زمینه و هدف: تبخیر و تعرق به‌عنوان یکی از مؤلفه‌های اصلی چرخه هیدرولوژی، نقش قابل توجهی در برنامه‌ریزی صحیح آبیاری و مدیریت منابع آب دارد. بنابراین برآورد دقیق این پارامتر ضروری است. به دلیل فقدان داده و کمبود ایستگاه‌های هواشناسی، تخمین تبخیر و تعرق با محدودیت روبه رو است. بنابراین امروزه مدل‌های عددی مانند WRF ابزاری قدرتمندی برای تولید و پیش‌بینی کمیت‌های هواشناسی (سرعت باد، رطوبت و غیره) مورد نیاز برای تخمین تبخیر و تعرق به‌حساب می آیند. تاکنون تحقیقی در زمینه‌ی بررسی تأثیر طرحواره‌های مختلف مدل WRF بر روی تخمین تبخیر و تعرق برنج انجام نشده است. هدف این مطالعه ارزیابی کارایی مدل WRF و به دست آوردن تنظیمات بهینه برای تخمین تبخیر و تعرق گیاه برنج در جلگه مرکزی گیلان می‌باشد.روش پژوهش: مقادیر واقعی تبخیر و تعرق با نصب یک لایسیمتر شالیزاری در یکی از مزارع پژوهشی موسسه تحقیقات برنج کشور به ابعاد 150 در 100 متر (5/1هکتار) با مختصات منطقه 37 درجه شمالی و 49 درجه شرقی و ارتفاع 24 متر از سطح دریا اندازه گیری شد. FAO روش پنمن- مانتیث را به‌عنوان بهترین روش برای تخمین ETo برای انواع اقلیم‌ها توصیه کرده است. برای برآورد ETo به روش پنمن- مانتیث نیاز به کمیت های آب و هوایی است که این کمیت ها از خروجی مدل WRF حاصل شد. از آنجا که این کمیت‌ها تأثیر بسزایی در برآورد تبخیر و تعرق دارند، چهار پیکربندی‌ مختلف با استفاده از فیزیک تابش طول موج کوتاه و بلند، لایه سطحی و لایه مرزی برای مدل WRF انتخاب و مورد آزمایش قرار گرفتند. در مرحله بعد، مقادیر اندازه‌گیری شده تبخیر و تعرق توسط لایسیمتر با مقادیر برآورده شده از خروجی های مدل (با به کارگیری 4 طرحواره‌های مختلف محلی و غیر محلی) مقایسه و تنظیمات بهینه مدل برای تخمین میزان تبخیر و تعرق مشخص شد.یافته‌ها: مقادیر تبخیر و تعرق در بازه‌ی 7/2 تا 5/8 میلی‌متر در روز در تغییر است. میانگین ET در طی سه دوره‌ی مختلف رشد گیاه شامل دوره‌ی ابتدایی، میانی و انتهایی به ترتیب برابر 63/4، 97/5 و 98/5 میلی‌متر در روز برآورد شده است. سه پیکربندی 1، 2 و 4 عمدتاً در پیش بینی تبخیر و تعرق گیاه برنج، بیش برآورد داشته و مقادیر محاسباتی بیشتر از مقدار اندازه‌گیری شده توسط لایسیمتر تخمین زده شده است. نتایج نشان می‌دهد که بیشترین میزان RMSE در پیکربندی شماره 4 و به میزان 47/8 و کمترین میزان آن در پیکربندی شماره 3 و به میزان 26/1 رخ داده است. جمع‌بندی نتایج نشان می‌دهد که پیکربندی شماره 3 در هر چهار معیار ذکر شده در مقایسه با دیگر پیکربندی‌ها در پیش‌بینی تبخیر و تعرق روزانه گیاه برنج بهتر عمل کرده است. نتایج نشان داد که طرحواره ی غیر محلی بکار گرفته شده در مدل نسبت به طرحواره‌های محلی، تبخیر و تعرق روزانه گیاه برنج را بهتر شبیه سازی می کند. یافته‌ها نشان می‌دهد که در طرحواره محلی YSU، دقت پیش بینی ها به‌طور قابل توجهی افزایش یافته و تنها به میزان 64/0 میلی‌متر به‌طور متوسط نسبت به داده‌های لایسیمتری کمتر برآورد شده است.نتایج: نتایج نشان داد کاربرد طرحواره مناسب در لایه سطحی و لایه مرزی مدل WRF بر دقت پیش‌بینی‌های تبخیر و تعرق تأثیر دارد. نتایج این تحقیق نشان داد که این مدل با کاربرد طرحواره‌‌ی لایه مرزی غیر محلی YSU قادر است که مقادیر تبخیر و تعرق گیاه برنج را با دقت قابل قبولی برای یک روز بعد پیش‌بینی کند که دلیل آن قابلیت بالاتر این طرحواره در پیش‌بینی پارامترهای مؤثر بر تبخیر و تعرق (از جمله دما و باد) است. بنابراین مدل WRF می‌تواند با استفاده از داده‌های پیش‌بینی GFS برای چند روز آینده اجرا و با اعمال معادله‌ی فائو- پنمن- مانتیث بر خروجی‌های مدل، مقادیر تبخیر و تعرق پتانسیل برای مناطق مختلف کشور محاسبه گردد. از آنجایی که تبخیر و تعرق در ارتباط مستقیم با فرآیندهای ترمودینامیکی جو است، کاربرد دیگر طرحواره‌های مختلف فیزیک جو (که در این تحقیق مد نظر نبوده است) می‌تواند نتایج متفاوتی تولید کند. پرونده مقاله

دسترسی آزاد مقاله

50 - مدلسازی بارش-رواناب با استفاده از مدل یادگیر عمیق (مطالعه موردی: حوضه آبریز گالیکش)
راضیه طاطار خلیل قربانی مهدی مفتاح هلقی میثم سالاری‌جزی

شبکه‌های عصبی مصنوعی یکی از روش‌های داده‌کاوی است که توسط پژوهشگران زیادی در حوزه‌های مطالعاتی مختلفی همچون مدلسازی آماری بارش-رواناب استفاده می‌شود. جهت بهبود عملکرد این شبکه‌ها، شبکه‌های عصبی یادگیر عمیق توسعه یافته‌اند تا دقت مدلسازی را افزایش دهند. پژوهش حاضر به‌ من چکیده کامل

شبکه‌های عصبی مصنوعی یکی از روش‌های داده‌کاوی است که توسط پژوهشگران زیادی در حوزه‌های مطالعاتی مختلفی همچون مدلسازی آماری بارش-رواناب استفاده می‌شود. جهت بهبود عملکرد این شبکه‌ها، شبکه‌های عصبی یادگیر عمیق توسعه یافته‌اند تا دقت مدلسازی را افزایش دهند. پژوهش حاضر به‌ منظور ارزیابی شبکه‌های یادگیرعمیق در بهبود عملکرد شبکه‌های عصبی‌مصنوعی در حوضه آبریز گالیکش انجام شد تا بر اساس داده‌های بارش و دما با گام‌های تاخیر زمانی ۱ تا ۵ ماهه، دبی در مقیاس زمانی ۱، ۳، ۶ و ۱۲ ماهه پیش‌بینی شود. نتایج مدل‌سازی بر اساس ۷۰ درصد داده‌ها (آموزش) و ۳۰ درصد داده‌ها (آزمون) نشان داد که در تمامی دوره‌های زمانی، شبکه عصبی یادگیر عمیق باعث بهبود عملکرد شبکه عصبی مصنوعی شده است و بطور متوسط RMSE در داده‌های آموزش از ۶۸/۰ به ۶۵/۰ و درداده‌های آزمون از ۸۴/۰ به ۷۳/۰ کاهش یافته است و ضریب تعیین نیز بطور متوسط برای داده‌های آموزش از ۵۷/۰ به ۶۲/۰ و برای داده‌های آزمون از ۵۱/۰ به ۶۷/۰ افزایش یافته است. از دیگر نتایح این پژوهش نیز می‌توان به تاثیر دما بر افزایش دقت مدلسازی بارش- رواناب اشاره کرد. پرونده مقاله

دسترسی آزاد مقاله

51 - پیش‌بینی خشکسالی با استفاده از مدل‌های همادی آمریکای شمالی (NMME)در مناطق غربی ایران
مهدی مقسمی نرگس ظهرابی حسین فتحیان علیرضا نیکبخت شهبازی محمدرضا یگانگی

10.30495/wsrcj.2022.20002

زمینه و هدف: خشکسالی به‌عنوان یک مخاطره طبیعی، تأثیرات زیادی در بخش های مختلف از جمله کشاورزی، منابع آب دارد و سالانه خسارات زیادی به این بخشها در سراسر دنیا تحمیل می کند. لذا باید راهکارهایی جهت کاهش خسارت خشکسالی صورت گیرد و در این بین برنامه ریزی و سازگاری با شرایط خ چکیده کامل

زمینه و هدف: خشکسالی به‌عنوان یک مخاطره طبیعی، تأثیرات زیادی در بخش های مختلف از جمله کشاورزی، منابع آب دارد و سالانه خسارات زیادی به این بخشها در سراسر دنیا تحمیل می کند. لذا باید راهکارهایی جهت کاهش خسارت خشکسالی صورت گیرد و در این بین برنامه ریزی و سازگاری با شرایط خشکسالی با استفاده از خروجی پیش بینی به هنگام خشکسالی جز مؤثرترین راهکارها به‌حساب می آید. با توجه به نیاز پیش بینی خشکسالی و محدود بودن مطالعات ارزیابی شاخص های خشکسالی به دست آمده از برون داد پیش بینی بارش مدل-های همادی آمریکای شمالی در ایران، در این پژوهش به بررسی این مدل ها در چهار حوضه آبریز کرخه، کارون بزرگ، حله و هندیجان-جراحی برای دوره 2018- 1982 پرداخته شد.روش پژوهش: در این پژوهش، ابتدا برونداد ماهانه مدل های مختلف همادی آمریکای شمالی و در افق های پیش‌بینی صفر تا 9 ماه و در دوره آماری 2018-1982 مورد ارزیابی قرار گرفت و سپس شاخص خشکسالی SPI محاسبه شده است. برای ارزیابی از مقایسه این داده ها با داده های GPCC استفاده شد. جهت ارزیابی از سه معیار کمی CC، RMSE و BIAS استفاده شد. همچنین جهت یکپارچه کردن مدل-های موجود از دو روش الف: میانگین حسابی بین مدل های موجود و ب: میانگین وزنی بین مدل ها با در نظر گرفتن نتایج ضریب همبستگی (CC) ارزیابی شده است. همچنین جهت ارزیابی شاخص خشکسالی SPI از دو معیار طبقه بندی شده POD و FAR و معیار کمی آماری CC استفاده شد.یافته‌ها: نتایج ارزیابی بارش مدل ها نشان داد که مدل های یکپارچه دارای عملکرد بهتری نسبت به مدل های انفرادی هستند و در این مدل یکپارچه نیز مدل وزن دهی شده عملکرد بهتری داشت. ارزیابی توزیع مکانی مدل های بارش نیز نشان داد که دو حوضه آبریز کارون بزرگ و هندیجان-جراحی در افق پیش بینی صفر ماه و حوضه آبریز هندیجان-جراحی در افق پیش بینی یک ماهه دارای عملکرد بهتری هستند. نتایج ارزیابی شاخص خشکسالی نشان داد که مدل های یکپارچه با وجود اینکه عملکرد بهتری در پیش بینی بارش داشتند اما در پیش بینی خشکسالی بهترین عملکرد متعلق به مدل های NASA-GMAO-062012 و CFSv2 است. همچنین نتایج نشان داد که پیش بینی شاخص خشکسالی در بازه های سه و شش ماه عملکرد بهتری نسبت به یک ماهه دارند. ارزیابی توزیع مکانی نیز نشان داد مدل ها در حوضه های جنوبی عملکرد بهتری دارند. به‌طور کلی می توان نتیجه گرفت که مدل های همادی آمریکای شمالی دارای عملکرد مناسبی در پیش بینی خشکسالی در بعضی نقاط و در افق های پیش بینی مشخص هستند، لذا باید در هر نقطه قبل از استفاده مورد ارزیابی قرار گیرند.نتایج: نتایج به دست آمده از ارزیابی بارش نشان داد که به‌طور کلی یکپارچه کردن برون داد مدل های دینامیکی باعث افزایش مهارت آن می شود و یکپارچه کردن در حالت وزنی (WeightedNMME) عملکرد بهتری نسبت به حالت غیر وزنی (NMME) دارد. در افق پیش-بینی صفر ماهه بین مدل‌های انفرادی نیز مدل NASA-GMAO-062012 بیشترین مهارت را از نظر شاخص ارزیابی CC دارد ولی در افق پیش بینی یک ماهه از نظر شاخص های ارزیابی CC، RMSE و BIAS بهترین عملکرد متعلق به مدل CFSv2 است. ارزیابی در شاخص های خشکسالی نشان داد که عملکرد مدل می تواند متفاوت از عملکرد آن‌ها در پیش بینی بارش باشد. به‌طور مثال مدل WeightedNMME با این که عملکرد مناسبی در پیش بینی خشکسالی دارد اما بهترین عملکرد در بین مدل ها در ماه های مختلف NASA-GMAO-062012 و CFSv2 داشتند. ارزیابی مکانی نیز نشان داد که حوضه های آبریز جنوبی دارای عملکرد بهتری نسبت بقیه حوضه ها هستند. پرونده مقاله

دسترسی آزاد مقاله

52 - ارزیابی عدم قطعیت ناشی از دادههای بارش میان‌مدت سامانه جهانی TIGGE جهت پیش‌بینی سیلاب
سودابه بهیان مطلق افشین هنربخش اصغر عزیزیان

10.30495/wsrcj.2023.71323.11345

زمینه و هدف: وقوع سیلاب‌های مکرر در ایران، لزوم یک سامانه پیش‌بینی و هشدار سیل با زمان پیش هشدار مناسب را ضروری می‌نماید. استفاده از مدل‌های عددی پیش‌بینی بارش در پیش‌بینی و هشدار سیل از جمله اقدامات مهمی است که توسط محققان در اکثر نقاط جهان به کاربر برده می شود. پایگاه چکیده کامل

زمینه و هدف: وقوع سیلاب‌های مکرر در ایران، لزوم یک سامانه پیش‌بینی و هشدار سیل با زمان پیش هشدار مناسب را ضروری می‌نماید. استفاده از مدل‌های عددی پیش‌بینی بارش در پیش‌بینی و هشدار سیل از جمله اقدامات مهمی است که توسط محققان در اکثر نقاط جهان به کاربر برده می شود. پایگاه داده TIGGE دربرگیرنده پیش بینی‌های میان‌مدت بارش شبیه‌سازی‌شده توسط مراکز پیش‌بینی جهانی است. هدف از پژوهش حاضر، ارزیابی کارایی و میزان عدم قطعیت ناشی از پیش بینی های بارش چهار مدل‌ عددی پایگاه داده TIGGE (شامل CPTEC، ECCC، ECMWF و KMA) برای شبیه سازی سیلاب با مدل هیدرولوژیکی HEC-HMS است.روش پژوهش: در این تحقیق جهت ارزیابی عدم قطعیت دبی حاصل از مدل‌های پیش‌بینی بارش پایگاه داده TIGGE در حوضه آبخیز پلدختر، از آمار بارش هفت ایستگاه هواشناسی استفاده شد. همچنین سه رویداد سیل 24 اسفند 1397، 6 فروردین 1398 و 15 فروردین 1398 موردمطالعه قرار گرفت. در ابتدا پیش‌بینی‌های بارش از چهار مرکز CPTEC، ECCC، ECMWF و KMA استخراج گردید. به دلیل وجود خطای سیستماتیک در داده‌های مورد نظر، تصحیح اریبی روی آن‌ها صورت گرفت و به‌منظور تصحیح اریبی، از روش Delta استفاده شد. پیش‌بینی‌های پردازش‌شده و خام چهار مدل پیش‌بینی بارش، جهت پیش‌بینی سیلاب وارد مدل HEC-HMS شده و در مرحله بعد، ارزیابی عدم قطعیت جریان حاصل از مدل HEC-HMS در تمام اعضای چهار مدل پیش‌بینی بارش انجام شد. در تحقیق حاضر برای تحلیل عدم قطعیت از 5 فاکتور P، R، S، T و RD استفاده گردید. در نهایت احتمال هشدار سیل پیش‌بینی شد.یافته‌ها: نتایج حاصله حاکی از برتری قابل‌توجه مدل ECMWF در پیش‌بینی رویدادهای بارش است. استفاده از هر 4 منبع بارشی، منجر به شبیه سازی قابل‌قبول دبی اوج سیلاب در سه رخداد مختلف شد. همچنین زمان وقوع دبی اوج پیش‌بینی‌شده اختلاف کمی با داده مشاهده‌ای داشت. با توجه به نتایج تحلیل عدم قطعیت، مدل ECMWF بر اساس فاکتورهای P، R، S، T و RD به‌عنوان بهترین مدل در نظر گرفته شد. مدل KMA در سیلاب‌های شدید و بسیار شدید عملکرد مناسبی داشت. سیستم پیش‌بینی گروهی مدل‌های TIGGE نیز در همه وقایع، عملکرد قابل قبولی داشت. همچنین مدل پیش‌بینی هواشناسی- هیدرولوژیکی زمان وقوع سیل و احتمال وقوع را به‌خوبی پیش‌بینی نمود.نتایج: تحقیق مورد نظر، پیش‌بینی و هشدار سیل در حوزه آبخیز پلدختر را با استفاده از سیستم هواشناسی-هیدرولوژیکی، بر پایه پیش‌بینی‌های هواشناسی پایگاه داده TIGGE و شبیه‌سازی سیل با استفاده از مدل هیدرولوژیکی HEC-HMS مورد بررسی قرار می‌دهد. محصول نهایی این سیستم، دبی احتمالی و پیش‌بینی سیل است. نتایج حاصله نشان‌دهنده موفقیت پایگاه داده TIGGE در پیش‌بینی سیل است. مدل ECMWF در پیش‌بینی دبی اوج برتری داشت. از روش محاسبه باند بالا و پایین جهت تعیین عدم قطعیت استفاده شد که عدم قطعیت را به‌خوبی نشان داد. این سیستم زمان دبی اوج را به‌خوبی و با تأخیر زمانی اندک نمایش داد که بیانگر عملکرد خوب آن است. بارش پیش‌بینی‌شده حاصل از چهار مرکز مورداستفاده در این مطالعه (ECMWF ,ECCC , CPTEC , KMA) تفاوت‌های قابل‌توجهی دارند، برای کاهش این تفاوت‌ها از سیستم پیش‌بینی گروهی چند مدلی استفاده نمودیم که نتایج دلگرم‌کننده‌ای داشت. پرونده مقاله

دسترسی آزاد مقاله

53 - مقایسه عملکرد مدل‌های داده‌کاوی در پیش‌بینی بارش باران با استفاده از رویکرد دسته‌بندی (مطالعه موردی: ایستگاه هواشناسی سینوپتیک فرودگاه همدان)
مرتضی صالحی سربیژن حمید رضا دزفولیان

10.30495/wsrcj.2024.75668.11411

زمینه و هدف: بارندگی یکی از پدیده‌های پیچیده طبیعی و از مهم‌ترین اجزای چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه نقش بسیار مهمی ایفا می‌کند. شناخت میزان و روند تغییرات بارش به‌عنوان یکی از عناصر مهم هواشناسی، از یک‌سو جهت داشتن مدیریت اثربخش و برنامه‌ریزی دقیق‌تر ب چکیده کامل

زمینه و هدف: بارندگی یکی از پدیده‌های پیچیده طبیعی و از مهم‌ترین اجزای چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه نقش بسیار مهمی ایفا می‌کند. شناخت میزان و روند تغییرات بارش به‌عنوان یکی از عناصر مهم هواشناسی، از یک‌سو جهت داشتن مدیریت اثربخش و برنامه‌ریزی دقیق‌تر برای بخش‌های کشاورزی، اقتصادی و اجتماعی و از سوی دیگر برای مطالعاتی مانند رواناب‌ها، خشک‌سالی‌ها، وضعیت آب‌های زیرزمینی و سیلاب‌ها ضروری است. همچنین پیش‌بینی بارش در مناطق شهری تأثیر بسیار زیادی بر کنترل ترافیک، جریان فاضلاب‌ها و فعالیت‌های ساخت‌وساز دارد. روش پژوهش: هدف این مطالعه مقایسه دقت مدل‌های کلاس‌بندی درخت تصمیم (چاید (CHAID)، درخت تصمیم C5، نیو بیزین (NB)، کوئست (Quest) و جنگل تصادفی)، k نزدیک‌ترین همسایگی (KNN)، ماشین بردار پشتیبان (SVM) و شبکه عصبی مصنوعی (ANN) جهت پیش‌بینی وقوع بارش باران با استفاده از داده‌های یک دوره 50 ساله در ایستگاه سینوپتیک فرودگاه همدان است. در این مطالعه از 80 درصد داده‌ها جهت آموزش و از 20 درصد داده‌ها جهت صحت سنجی مدل‌ها استفاده‌شده و نتایج حاصل از اجرای مدل‌ها با استفاده از معیارهای ماتریس درهم‌ریختگی (اغتشاش)، منحنی ROC و شاخص AUC مقایسه شدند. برای ساخت متغیر کلاس‌بندی داده‌های بارش و عدم بارش، با توجه به داده‌های بارش، روزهای سال در دو کلاس روزهای وقوع بارش (y) و روزهای عدم وقوع بارش (n) دسته‌بندی شدند. در این تحقیق پیش‌پردازش داده‌ها با استفاده از پیش‌پردازش خودکار داده‌ها (ADP) انجام شده و آنگاه کاهش ابعاد متغیرها از روش PCA استفاده شد. یافته‌ها: در این مطالعه با توجه به روش PCA ابعاد متغیرها به 5 بعد کاهش یافت. همچنین از داده‌های موجود تقریباً 80 درصد، روزها بدون بارش و 20 درصد روزها با بارش هستند. نتایج تحقیق نشان داد که مدل KNN با معیار صحت 9/91 برای داده‌های آموزشی و مدل SVM، 13/89 درصد برای داده‌های آزمون بهترین عملکرد را بین مدل‌های داده‌کاوی داشتند. شاخص AUC مدل KNN برابر 97/0 در داده‌های آموزشی و در داده‌های آزمون مقدار 94/0 برای الگوریتم SVM به دست آمد. همچنین با توجه به منحنی عملکرد سیستم (ROC) برای داده‌های بارش همدان مدل KNN نسبت به سایر مدل‌ها عملکرد بهتری را دارا می‌باشد. توجه به شاخص حساسیت در ماتریس اغتشاش، مدل‌های KNN و SVM در پیش‌بینی عدم وقوع بارش برای داده‌های آموزش بهتر عمل کردند. با توجه به شاخص خاصیت در پیش‌بینی وقوع بارش مدل‌های RT و KNN نتایج بهتری داشتند. نتایج: نتایج تحقیق نشان داد که در داده‌های آموزش مقدار معیار صحت برای مدل‌های RT، C5، ANN، SVM، BN،KNN ، CHAID و QUEST به ترتیب 82/86، 78/89، 55/89، 96/89، 06/88، 9/91، 29/88 و 46/87 بدست آمده اند. همچنین این معیار در داده‌های آزمون برای این مدل‌ها به ترتیب 2/83، 9/87، 12/88، 13/89، 12/87، 19/88، 93/86 و 76/86 به دست آمد. مقدار شاخص AUC در داده‌های آموزش برای مدل‌های RT، C5، ANN، SVM، BN،KNN ، CHAID و QUEST به ترتیب 94/0، 92/0، 94/0، 94/0، 93/0، 97/0، 93/0 و 89/0 به دست آمد. همچنین این معیار در داده‌های آزمون برای این مدل‌ها به ترتیب 89/0، 89/0، 93/0، 94/0، 92/0، 90/0، 92/0 و 88/0 برآورد شد. همان‌طور که مشاهده شد، با توجه به معیارهای صحت و شاخص AUC در داده‌های آموزش مدل KNN و با توجه به داده‌های آزمون مدل SVM کارا تر در پیش‌بینی بارش باران بودند. پرونده مقاله

دسترسی آزاد مقاله

54 - Study on Predictive Models Relating Physico-chemical Properties of Iranian Royal Jelly and it’s Sensory Evaluation
soheila kamyab Maryam Gharachorloo Masoud Honarvar Mehrdad Ghavami

10.30495/jfbt.2023.70605.10303

Royal jelly is a substance of complex physico-chemical structure that have been used as a nutritional supplement and functional food for many years. In this paper, the physico-chemical analysis and organoleptic characteristics of royal jelly obtained from different clim چکیده کامل

Royal jelly is a substance of complex physico-chemical structure that have been used as a nutritional supplement and functional food for many years. In this paper, the physico-chemical analysis and organoleptic characteristics of royal jelly obtained from different climatic regions of Iran including Ardebil (cold and dry), Amol (wet and moderate), and Mashhad (hot and dry) have been evaluated. The average of Iranian royal jelly composition consisted of moisture content 64.03±3.67 %; proteins 14.13±2.36 %; carbohydrates 13.92±1.67 %; reducing sugars 8.78±1.55 %; fats 6.17±1.45 %; ash 2.08±0.85 %, pH 3.94±0.34 and acidity 31.34±4.90 mL/100g. The one-way analysis of variance (ANOVA) has illustrated that environmental factors had a significant influence on physico-chemical characteristics of Iranian royal jelly (P<0.05). Regarding the influence of temperature and relative humidity on the composition of royal jelly some valid prediction models have been provided. Test panel group evaluated the samples by using 5 points Hedonic and descriptive scales. In sensory evaluation, Ardebil royal jelly with a 4.64±0.230 score evaluated as a good quality royal jelly. پرونده مقاله

دسترسی آزاد مقاله

55 - بهینه‌سازی و پیش‌بینی روند تغییرات پارامترهای کیفی آب زیرزمینی دشت دزفول با استفاده از دو مدل ANN+PSO و ANN+P-PSO
فهیمه صیادی شهرکی عبدالرحیم هوشمند عاطفه صیادی شهرکی

10.30495/jest.2021.11146

زمینه و هدف: برآورد و پیش بینی پارامترهای کیفی آب زیرزمینی به منظور تصمیم گیری‌های مدیریتی یکی از اهداف مدیران و برنامه ریزان منابع آب تلقی می‌گردد. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیش‌تر این مدل‌ها نیازمند پارامترهای چکیده کامل

زمینه و هدف: برآورد و پیش بینی پارامترهای کیفی آب زیرزمینی به منظور تصمیم گیری‌های مدیریتی یکی از اهداف مدیران و برنامه ریزان منابع آب تلقی می‌گردد. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیش‌تر این مدل‌ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آن‌ها مشکل است و یا اینکه اندازه‌گیری آن‌ها محتاج صرف هزینه و زمان زیادی می‌باشد. در این میان مدل‌های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می‌نمایند، به‌عنوان گزینه‌ای برتر معرفی می‌شوند.روش بررسی: پژوهش حاضر به منظور شبیه‌سازی پارامترهای کیفی آب زیرزمینی دشت دزفول شامل SAR ، EC و TDS با استفاده از مدل‌های ANN+PSO و ANN+P-PSO و درنهایت مقایسه نتایج آن‌ها با داده‌های اندازه‌گیری شده‌، انجام گرفته است. اطلاعات ورودی به مدل‌ها برای پارامتر کیفی TDS شامل هدایت الکتریکی، نسبت جذبی سدیم، اسیدیته، سولفات، کلسیم، منیزیم و سدیم و برای پارامتر کیفی SAR شامل مقدار کل نمک‌های محلول، اسیدیته، سدیم، بی کربنات و برای پارامتر کیفی EC شامل سولفات، کلسیم، منیزیم، نسبت جذبی سدیم و اسیدیته، از سال 1390 تا 1394 جمع آوری شده است.یافته‌ها: نتایج نشان داد بالاترین دقت پیش‌بینی پارامترهای کیفی SAR ، EC و TDS مربوط به مدل ANN+P-PSO می‌باشد به‌طوری‌که مقدار آماره‌های و کم‌ترین مقدار و بیش‌ترین مقدار را برای مدل مذکور دارد. مقدار RMSE در مرحله تست برای الگوریتم PSO در پیش‌بینی SAR ، EC و TDS به ترتیب برابر 09/0، 045/0 (میکرو زیمنس بر سانتی متر) و 053/0 (میلی‌گرم بر لیتر) به دست آمد. این آماره‌ برای الگوریتم P-PSO در پیش‌بینی SAR ، EC و TDS به ترتیب برابر 039/0، 031/0 (میکرو زیمنس بر سانتی متر) و 045/0 (میلی‌گرم بر لیتر) تعیین شدند.بحث و نتیجه‌گیری: نتایج نشان داد که الگوریتم P-PSO از دقت بیش‌تری نسبت به الگوریتم PSO برخوردار بود. همچنین با توجه به این‌که تفاوت آماری معنی‌داری بین داده‌های اندازه‌گیری شده و شبیه‌سازی شده وجود نداشت؛ پیشنهاد می‌شود از شبکه‌ عصبی مصنوعی برای شبیه‌سازی پارامترهای کیفی در منابع آب زیرزمینی استفاده شود. پرونده مقاله

دسترسی آزاد مقاله

56 - پیش‌بینی اثرات تغییرات اقلیمی بر دما و بارش با استفاده از مدل‌های گردش عمومی جو، راهکاری برای کشاورزی پایدار (مطالعه‌ی موردی: شهرستان کرمانشاه)
سمیره صی محمدی محسن توکلی کیومرث زرافشانی حسین مهدی زاده فرزاد امیری

10.30495/jest.2018.22114.3137

زمینه و هدف: نگرانی در مورد تغییرات آب و هوا و اثرات آن بر جنبه های مختلف زندگی انسان در تولید به طور کلی و کشاورزی به طورخاص در حال رشد است، لذا هدف اصلی این مطالعه بررسی و پیش بینی اثرات تغییرات اقلیمی بر دما و بارش در شهرستان کرمانشاه است. روش بررسی: واسنجی و اعتبارس چکیده کامل

زمینه و هدف: نگرانی در مورد تغییرات آب و هوا و اثرات آن بر جنبه های مختلف زندگی انسان در تولید به طور کلی و کشاورزی به طورخاص در حال رشد است، لذا هدف اصلی این مطالعه بررسی و پیش بینی اثرات تغییرات اقلیمی بر دما و بارش در شهرستان کرمانشاه است. روش بررسی: واسنجی و اعتبارسنجی داده ها با استفاده از مدل HadCM3 برای داده های روزانه دما و بارش از سال 1961 تا 2001 انجام شد، بدین صورت که از داده های سال 1961 تا 1990 برای دوره واسنجی و از سال 1991 تا 2001 برای اعتبارسنجی استفاده شد. به منظور ریزمقیاس نمایی آماری داده های بزرگ مقیاس مدل گردش عمومی هوا از نرم افزار SDSM4.2 استفاده شد. یافته ها: اختلاف کم بین داده های مشاهداتی و شبیه سازی شده در دوره واسنجی و اعتبارسنجی نشان داد که انطباق قابل قبولی بین داده های مشاهداتی و شبیه سازی شده توسط مدل وجود دارد. لذا با توجه به این مورد، قابلیت و توانایی مدل در داده سازی مورد تأیید قرار گرفت. در این مطالعه از سناریوی انتشار A2 برای مدل سازی تغییرات اقلیمی در سه دوره سی ساله (2020، 2050 و 2070) استفاده شد. بحث و نتیجه گیری: طبق مدل شبیه سازی شده، بارش روند کاهشی و دما روند افزایشی خواهد داشت، لذا نتایج این مطالعه می تواند برای مدل های بهینه تخصیص کاربری اراضی کشاورزی به کار رود. پرونده مقاله

دسترسی آزاد مقاله

57 - بررسی و پیش‌بینی جریانات سطحی استان خوزستان با استفاده از مدل‌های سری زمانی
علیرضا انتظاری رسول سروستان

10.30495/jest.2021.29540.3822

زمینه و هدف: پژوهش حاضر به مطالعه و بررسی جریانات سطحی استان خوزستان و پیش‌بینی آن برای دوره 1398 تا 1407 با استفاده از مدل‌های سری زمانی است.روش بررسی: پژوهش حاضر در 9 ایستگاه منتخب از استان خوزستان به ‌منظور مقایسه دقت مدل سری‌های زمانی و پیش‌بینی مقدار جریانات سطحی ا چکیده کامل

زمینه و هدف: پژوهش حاضر به مطالعه و بررسی جریانات سطحی استان خوزستان و پیش‌بینی آن برای دوره 1398 تا 1407 با استفاده از مدل‌های سری زمانی است.روش بررسی: پژوهش حاضر در 9 ایستگاه منتخب از استان خوزستان به ‌منظور مقایسه دقت مدل سری‌های زمانی و پیش‌بینی مقدار جریانات سطحی انجام‌شده است. برای این منظور از داده‌های دبی ماهانه ایستگاه هیدرومتری به مدت 22 سال (1370-1392) استفاده ‌شده است. از مدل سری زمانی فصلی ضربی جریانات سطحی بررسی و بهترین مدل برازش داده شد، صحت و دقت مدل‌ها به کمک نرمال بودن توزیع باقی‌مانده‌ها، فرض ثابت بودن واریانس، نمودارهای مربوط به باقی‌مانده‌ها در طول زمان، تائید گردید.یافته‌ها: یافته‌های این مطالعه نشان داد، بهترین مدل‌های برازش شده در ایستگاه‌های اهواز (1,1,1)(1,0,1) SARIMA، بامدژ(1,1,0)(1,0,1) SARIMA، تله زنگ (1,0,1)(1,1,1) SARIMA، حرمله(1,0,1)(1,1,1) SARIMA، دزفول (2,0,1)(1,1,1) SARIMA، دشت بزرگ (2,0,2)(1,1,1) SARIMA، دوکوهه (2,2,0)(1,1,1) SARIMA، گتوند (2,1,1)(1,0,1) SARIMA و فارسیاب(2,1,1)(1,1,2) SARIMA می‌باشند؛ که این مدل‌ها از دقت خوبی برای پیش‌بینی جریانات سطحی برخوردار بودند.بحث و نتیجه‌گیری: نتایج جریانات سطحی برای سال‌های 1398 تا 1407 نشان داد که جریانات سطحی در تمام ایستگاه‌های منتخب کاهش می‌یابد و این کاهش در ایستگاه اهواز به بیش‌ترین و ایستگاه دوکوهه به کمترین مقدار به ترتیب با 78/9 و 58/0 می‌رسد. همچنین نتایج پیش‌بینی ماهانه نشان داد که بیش‌ترین و کم‌ترین مقدار کاهش جریانات سطحی به ترتیب در آذر ماه با 98/6 و شهریور با 67/1 خواهد رسید. پرونده مقاله

دسترسی آزاد مقاله

58 - تخمین پارامترهای کیفی آب‌خوان دشت گیلان با استفاده از آزمون گاما و مدل-های ماشین بردار پشتیبان و شبکه عصبی مصنوعی
محمد عیسی زاده سید مصطفی بی آزار افشین اشرف زاده رضوان خانجانی

10.22034/jest.2019.13946

زمینه و هدف: اطلاع از نحوه توزیع پارامترهای کیفی و کمی از مهم ترین پارامترهای اولیه مدیریت جامع منابع آب زیرزمینی می باشد. بنابراین در این تحقیق سعی گردید، مدل و ترکیب ورودی مناسب جهت تخمین پارامترهای کیفی هدایت الکتریکی (EC)، یون کلسیم (Ca) و یون سدیم (Na) آب خوان های چکیده کامل

زمینه و هدف: اطلاع از نحوه توزیع پارامترهای کیفی و کمی از مهم ترین پارامترهای اولیه مدیریت جامع منابع آب زیرزمینی می باشد. بنابراین در این تحقیق سعی گردید، مدل و ترکیب ورودی مناسب جهت تخمین پارامترهای کیفی هدایت الکتریکی (EC)، یون کلسیم (Ca) و یون سدیم (Na) آب خوان های دشت گیلان تعیین گردد. روش بررسی: در این تحقیق از داده های 132 چاهک مشاهداتی در دوره آماری 1381 تا 1393 و مدل های شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) استفاده گردیده است. در رویکرد اول، تخمین ها به ازای پنج ترکیب مختلف حاصل از پارامترهای تراز آب، فاصله از دریا، مجموع بارش های شش ماه و مختصات چاهک های مشاهداتی انجام گرفته است. در رویکرد دوم، تخمین ها براساس ترکیب پارامترهای کیفی منتخب آزمون گاما با ترکیب های ورودی برتر بخش اول صورت گرفته است. یافته‌ها: مقایسه نتایج بخش اول نشان داد که مدل SVM در تخمین هر یک از پارامترهای Ca، Na و EC عملکرد بهتری نسبت به مدل ANN داشته است. مقادیر خطای ماشین بردار پشتیبان برای تخمین متغیرهای Ca، Na و EC در دوره تست به ترتیب برابر با (meq/l) 218/1، (meq/l) 867/0 و (µmos/cm) 742/175 بوده است و این مقادیر برای مدل شبکه عصبی مصنوعی به ترتیب برابر با (meq/l) 268/1، (meq/l) 933/0 و (µmos/cm) 448/186 می باشد. نتایج این بخش نشان داد اضافه شدن ورودی فاصله از دریا در کلیه موارد باعث بهبود نتایج مدل ها گردیده است. در بخش دوم با استفاده از آزمون گاما از بین نه پارامتر کیفی اندازه گیری شده ، بهترین ترکیب پارامترهای کیفی برای تخمین هر یک سه پارامتر Ca، Na و EC تعیین گردید. نتایج تخمین ها در بخش دوم نشان داد که هر یک از دو مدل ANN و SVM عملکرد بسیار مناسبی در تخمین هر سه پارامتر کیفی داشته اند. مقدار خطای مدل ANN برای متغیرهای Ca، Na و EC در دوره صحت سنجی به ترتیب برابر با (meq/l) 662/0، (meq/l) 305/0 و (µmos/cm) 346/47 بوده است و این مقادیر برای مدل SVM به ترتیب برابر با (meq/l) 671/0، (meq/l) 356/0 و (µmos/cm) 412/55 می باشد. البته در این بخش نتایج مدل ANN نسبت به مدل SVM بهتر بوده است. بحث و نتیجه‌گیری: نتایج نشان داد که هر یک از دو مدل SVM و ANN توانایی بسیار زیادی در تخمین پارامترهای کیفی آب خوان ها دارند. همچنین عملکرد مدل SVM نسبت به مدل ANN، به ازای تعداد ورودی کمتر بهتر است و در تعداد ورودی بیشتر برعکس می باشد. نتایج بخش دوم نشان داد که آزمون گاما می تواند به صورت کاملا کابردی و دقیق در تعیین ترکیب های ورودی موثر مورد استفاده قرار گیرد. پرونده مقاله

دسترسی آزاد مقاله

59 - پیش‌بینی غلظت آلاینده منوکسیدکربن در کلان‌شهر تهران با استفاده از شبکه‌های عصبی مصنوعی
حمیدرضا جدی رحیم ‌علی عباسپور مینا خالصیان سیدکاظم علوی‌پناه

زمینه و هدف:. راهکارهای متعددی برای کنترل آلودگی هوا وجود دارد که یکی از آن‌ها پیش بینی میزان آن است. هدف از این تحقیق ارایه یک مدل شبکه عصبی مصنوعی با ساختار چندلایه، برای آلاینده CO در شهر تهران برای پیش بینی 24ساعت آینده آن می باشد. روش بررسی: از مشخصه های سرعت باد، چکیده کامل

زمینه و هدف:. راهکارهای متعددی برای کنترل آلودگی هوا وجود دارد که یکی از آن‌ها پیش بینی میزان آن است. هدف از این تحقیق ارایه یک مدل شبکه عصبی مصنوعی با ساختار چندلایه، برای آلاینده CO در شهر تهران برای پیش بینی 24ساعت آینده آن می باشد. روش بررسی: از مشخصه های سرعت باد، جهت باد، دما، رطوبت نسبی و فشار هوا به عنوان داده های هواشناسی و از غلظت منوکسیدکربن به عنوان پارامتر آلودگی هوا به منظور پیش بینی مقدار آلایندهCO در روز آتی (24 ساعت آینده) استفاده شد. جهت حذف نویز داده ها، در مرحله پیش پردازش داده ها، از دو روش تبدیل موجک و تعیین حد آستانه به کمک توزیع نرمال استفاده گردید. یافته‌ها: نتایج حاصل از شاخص های آماری ضریب همبستگی، شاخص توافق، دقت پیش بینی و جذر میانگین مربعات خطا برای مدل1 با داده های تکراری به ترتیب 9012/0، 915/0، 848/0 و 1012/0 و برای مدل2 با داده های تکراری به ترتیب9572/0، 978/0، 963/0 و 0385/0 می باشد. نتیجه گیری: نتایج حاصل نشان می دهد توافق خوبی بین داده های اصلی و داده های پیش بینی شده توسط مدل ها وجود دارد و مدل های ارایه شده در پیش بینی آلودگی هوا از قابلیت بالایی برخوردارند. پرونده مقاله

دسترسی آزاد مقاله

60 - استفاده از شبکه بازگشتی NAR برای پیش بینی غلظت مونوکسید کربن
مهرداد رفیع پور علی اصغر آل‌شیخ عباس علیمحمدی ابوالقاسم صادقی نیارکی

زمینه و هدف: آلودگی هوا یکی از مشکلات مهم شهر‌های بزرگ محسوب می‌شود. یکی از اهداف مسئولین شهری آگاهی از میزان کیفیت هوا در آینده است؛ برای پیشبینی کیفیت هوا، باید غلظت هریک از آلاینده‌ها مدلسازی شده و با استفاده از مدل ایجاد شده، نسبت به پیشبینی مقادیر هریک از آلاینده‌ه چکیده کامل

زمینه و هدف: آلودگی هوا یکی از مشکلات مهم شهر‌های بزرگ محسوب می‌شود. یکی از اهداف مسئولین شهری آگاهی از میزان کیفیت هوا در آینده است؛ برای پیشبینی کیفیت هوا، باید غلظت هریک از آلاینده‌ها مدلسازی شده و با استفاده از مدل ایجاد شده، نسبت به پیشبینی مقادیر هریک از آلاینده‌ها اقدام شود. با توجه به اینکه مونوکسید کربن یکی از آلاینده‌های مهم هوا است، و تاثیرات زیانباری بر سلامت انسان دارد. روش بررسی: در این مقاله به مدلسازی و پیشبینی 24 ساعته غلظت مونوکسید کربن با استفاده از شبکه‌های عصبی بازگشتی NAR و مدل آماری ARMA پرداخته شده و سپس نتایج این دو روش با یکدیگر مقایسه شده است. برای این منظور از داده‌های سال 2009 از 29 نوامبر تا 31 دسامبر، مربوط به غلظت آلاینده مونوکسیدکربن اندازه‌گیری شده در ایستگاه آزادی از ایستگاه‌های پایش کیفیت هوا متعلق به سازمان محیط زیست استان تهران استفاده شده است. یافته‌ها: نتایج مدلسازی نشان می‌دهد که شبکه عصبی NAR دارای دقت بهتری نسبت به روش ARMA برای پیشبینی و مدلسازی غلظت مونوکسید کربن است. شبکه عصبی NAR با MSE کمتر از 6/1 دقت مناسبی در پیشبینی غلظت آلاینده مونوکسید کربن داشت. همچنین همبستگی بین مقادیر پیشبینی شده و مقادیر واقعی برای شبکه عصبی NAR، 84 درصد می‌باشد. در حالی که مدل ARMA دارای MSE برابر 46/5 و ضریب همبستگی 72 درصد می باشد. نتیجه‌گیری: می‌توان نتایج پیشبینی را جهت آگاه‌سازی عمومی در اینترنت و شبکه‌های جمعی منتشر کرد. همچنین نتایج مدلسازی و پیشبینی می‌تواند برای مدیریت بهتر آلودگی هوا توسط مدیران مورد استفاده قرار گیرد. نتایج این تحقیق نشان می‌دهد که شبکه عصبی NAR قابلیت بسیار بالایی در پیشبینی سری زمانی غاظت مونوکسیدکربن دارد. پرونده مقاله

دسترسی آزاد مقاله

61 - بررسی اثرات زیست محیطی سد استقلال میناب درفازبهره برداری با تلفیق روش های ICOLD و Modified
سید علی جوزی لیلا حسینی علی دهقانی

زمینه و هدف: سد استقلال میناب باحجم مخزن اولیه 350 میلیون مترمکعب و حجم مفید 270 میلیون مترمکعب ازنوع سدهای بتنی وزنی پایدار بوده و در4 کیلومتری شرق شهرستان میناب درطول جغرافیایی 57 درجه و 4 دقیقه و عرض جغرافیایی 27 درجه و 9 دقیقه برروی رودخانه میناب احداث شده است . این چکیده کامل

زمینه و هدف: سد استقلال میناب باحجم مخزن اولیه 350 میلیون مترمکعب و حجم مفید 270 میلیون مترمکعب ازنوع سدهای بتنی وزنی پایدار بوده و در4 کیلومتری شرق شهرستان میناب درطول جغرافیایی 57 درجه و 4 دقیقه و عرض جغرافیایی 27 درجه و 9 دقیقه برروی رودخانه میناب احداث شده است . این سد باهدف تأمین آب آشامیدنی شهرستان بندرعباس ، تأمین آب برای 14670 هکتاراراضی پایین دست درشهرستان میناب ، صنعت ، کنترل سیلاب و تغذیه مصنوعی درسال 1362 به بهره برداری رسید. روش بررسی: این مطالعه با هدف تجزیه و تحلیل اثرات زیست محیطی ناشی ازبهره برداری سد استقلال به انجام رسیده است. پس ازجمع آوری اطلاعات پایه ، بازدید زمینی ازمحدوده مورد نظر و دریاچه سد فهرستی از منابع زیست محیطی تحت تأثیر تهیه گردید و پس از آن محدوده مطالعاتی در قالب محیط های بلافصل ، تحت اثر مستقیم و غیرمستقیم تعیین شد . سپس نقشه های مورد نیاز اعم از موقعیت حوضه ، ایستگاه ها ، پوشش گیاهی و ... درمحیط GIS تهیه شد. کارنمونه برداری از آب در دو فصل گرم و خشک، گرم و مرطوب انجام و تجزیه و تحلیل نمونه های آب انجام شد. به منظور پیش بینی اثرات سد ازروش اختصاصی ارزیابی سدها موسوم به روش ICOLD [1] استفاده شد . پس ازآنکه کلیه اثرات تعیین شد ازآنجایی که روش ICOLD یک روش کیفی است برای نمره دهی و تفسیر اثرات از روش تغییر یافته و یا تقلیدی از آن به نام Modified استفاده گردید. نتیجه گیری: نتایج این مطالعه نشان می دهد که سد استقلال میناب برروی محیط بیولوژیکی و محیط اقتصادی اجتماعی اثری مثبت داشته و نمرات (5/207 +) و (25/329 +) رابه خود اختصاص داده است و تنها برمحیط فیزیکی شیمیایی اثرمنفی معادل با (242 - ) داشته است ولی درمجموع وجود سداستقلال میناب وبهره برداری ازآن بانمره (75/294 +) تأثیر مثبتی برمنطقه داشته است .درپایان راهبردها و راهکارهای مدیریتی جهت تقلیل آثار منفی ناشی از بهره برداری سد نظیر :کاهش رسوب ورودی به دریاچه از طریق ایجاد سدهایی در بالا دست سد استقلال، ترویج روش بیولوژیکی درمبارزه با آفات زراعی به جای سموم پیشنهاد شده است که مدیریت صحیح زیست محیطی حوضه آبخیز میناب منوط به اجرای دقیق وکامل این راهکارهای پیشنهادی می باشد. [1]- International Committee of Large Dams پرونده مقاله

دسترسی آزاد مقاله

62 - طراحی مدل بومی پیش‌بینی رفتار مالی سرمایه‌گذاران در بازار سهام ایران
فاطمه احمدی مهرداد قنبری بابک جمشیدی نوید شهرام مامی

این پژوهش به دنبال طراحی مدلی برای پیش‌بینی رفتار مالی سرمایه‌گذاران در بازار سهام ایران انجام شد. برای شناسایی معیارها از تحلیل محتوای کیفی متون علمی مرتبط با موضوع پژوهش استفاده شد. با ماتریس خود تعاملی و با اتکا به نظر خبرگان براساس روش مدل‌سازی ساختاری تفسیری انجام چکیده کامل

این پژوهش به دنبال طراحی مدلی برای پیش‌بینی رفتار مالی سرمایه‌گذاران در بازار سهام ایران انجام شد. برای شناسایی معیارها از تحلیل محتوای کیفی متون علمی مرتبط با موضوع پژوهش استفاده شد. با ماتریس خود تعاملی و با اتکا به نظر خبرگان براساس روش مدل‌سازی ساختاری تفسیری انجام گرفت و مدلی پنج سطحی حاصل شد. برای تشخیص نوع متغیرها نیز از تحلیل میک مک استفاده گردید. در مدل پنج سطحی این پژوهش که متغیرهای اخبار غیررسمی، شرایط مالی سرمایه گذار، دانش مالی ذهنی و رفتار گله ای در سطح پنجم تأثیرگذارترین متغیرها و باورپذیری، قضاوت شخصی، کنترل هیجان و زیان گریزی نیز تأثیرپذیرترین متغیرهای این مدل بودند که در سطح یک این مدل قرار گرفتند. تحلیل میک مک این پژوهش نیز حاکی از آن بود که متغیرهای اخبار غیررسمی، دانش مالی ذهنی، شرایط مالی سرمایه گذار، اعتماد به نفس و رفتار گله ای، مستقل و متغیرهای زیان گریزی، باورپذیری، فن آوری مالی، کنترل هیجان، قضاوت شخصی و تخصص مالی نیز از نوع وابسته‌اند و سایر متغیرها از نوع رابط هستند. پرونده مقاله

دسترسی آزاد مقاله

63 - کاربرد الگوریتم ژنتیک، ازدحام ذرات و شبکه‌های عصبی مصنوعی در پیش‌بینی دستکاری سود
مرتضی حسینعلی‌نژاد سید محمدحسن هاشمی کوچکسرائی علی جعفری

مدیریت سود یکی از موضوعات بحث انگیز در تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در زمینه مدیریت سود،به بررسی ارتباط خطی متغیرهای مستقل با مدیریت سود و با روش های آماری پرداخته اند اما از این متغیرها برای پیش بینی مدیریت سود استفاده نکرده اند. امروزه با رشد تکنولوژی چکیده کامل

مدیریت سود یکی از موضوعات بحث انگیز در تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در زمینه مدیریت سود،به بررسی ارتباط خطی متغیرهای مستقل با مدیریت سود و با روش های آماری پرداخته اند اما از این متغیرها برای پیش بینی مدیریت سود استفاده نکرده اند. امروزه با رشد تکنولوژی اطلاعات و با وارد شدن هوش مصنوعی از جمله شبکه های عصبی مصنوعی به حوزه پژوهش های علمی، امکان بررسی روابط غیرخطی بین متغیرها میسر گردیده است. در این پژوهش تلاش شده تا با استفاده از شبکه‌های عصبی مصنوعی، اقلام تعهدی اختیاری برای پیش‌بینی مدیریت سود تخمین زده شود. همچنین در این پژوهش از مدل بهینه‌ساز الگوریتم ژنتیک و ازدحام ذرات برای بهینه‌سازی وزن‌های مدل شبکه عصبی مصنوعی جهت ارتقای توان پیش‌بینی کنندگی استفاده شده است. در ادامه توانایی پیش‌بینی مدیریت سود با استفاده از مدل آماری جونز تعدیل‌شده، شبکه عصبی مصنوعی و تکنیک ترکیبی الگوریتم ژنتیک، ازدحام ذرات و شبکه عصبی مورد بررسی قرار گرفت. نمونه مورد استفاده در این پژوهش شامل 150 شرکت پذیرفته شده در بورس اوراق بهادار تهران بین سال-های 1394 الی 1399 بوده است. یافته‌های پژوهش نشان داد که شبکه عصبی مصنوعی از توانایی بالایی در پیش-بینی مدیریت سود، نسبت به مدل خطی جونز تعدیل شده برخوردار است. همچنین یافته‌ها حاکی از آن است که دقت و توانایی مدل ترکیبی الگوریتم ژنتیک، ازدحام ذرات و شبکه عصبی در پیش بینی مدیریت سود از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی بیشتر است. پرونده مقاله

دسترسی آزاد مقاله

64 - طراحی مدلی جهت پیش بینی بازده شاخص بورس (با تاکید بر مدل های ترکیبی شبکه عصبی و مدل های با حافظه بلندمدت)
رضا نجارزاده مهدی ذوالفقاری صمد غلامی

این پژوهش به معرفی ‌مدل‌هایی از ترکیب خانواده GARCH و شبکه عصبی مصنوعی، جهت پیش‌بینی بازدهی روزانه شاخص بورس اوراق بهادار تهران طی فاصله زمانی 1396-1387 می‌پردازد. وجود ویژگی ‌حافظه ‌بلندمدت‌ در واریانس ‌شرطی بازدهی شاخص کل بورس موجب شده تا ‌علاوه‌ ‌بر ‌مدل‌های ‌دارای ‌ چکیده کامل

این پژوهش به معرفی ‌مدل‌هایی از ترکیب خانواده GARCH و شبکه عصبی مصنوعی، جهت پیش‌بینی بازدهی روزانه شاخص بورس اوراق بهادار تهران طی فاصله زمانی 1396-1387 می‌پردازد. وجود ویژگی ‌حافظه ‌بلندمدت‌ در واریانس ‌شرطی بازدهی شاخص کل بورس موجب شده تا ‌علاوه‌ ‌بر ‌مدل‌های ‌دارای ‌حافظه ‌کوتاه‌مدت GARCH و EGARCH در این ‌پژوهش از مدل‌های FIGARCH و FIEGARCH که دارای ویژگی حافظه بلندمدت هستند؛ استفاده ‌گردد. علاوه بر بکارگیری مدل‌های حافظه کوتاه‌مدت، با توجه به کارایی بهتر مدل‌های ترکیبی (در مقایسه با مدل‌های فردی) در پیش‌بینی داده‌های مالی، در این مطالعه، تمامی مدل‌های خانواده GARCH (اعم از کوتاه‌مدت و بلندمدت) با شبکه عصبی مصنوعی ترکیب و با استفاده از مدل‌های ترکیبی حاصل‌شده، بازده شاخص بورس برای 10 روز آینده به‌صورت گام‌به‌گام پیش‌بینی و دقت آن براساس معیارهای ارزیابی مورد بررسی قرار گرفت. یافته‌های تحقیق نشان داد که مدل‌ ترکیبی FIEGARCH- شبکه عصبی با توزیع تی- استیودنت در پیش‌بینی بازده شاخص کل سهام کارآمدتر و دارای خطای پیش‌بینی ‌کمتری نسبت به سایر مدل‌های رقیب است. پرونده مقاله

دسترسی آزاد مقاله

65 - بررسی اثر لحنِ گزارش پیش بینی سود بر واکنش سرمایه گذاران و پیش بینی عملکرد
محمود تورچی محمود لاری دشت بیاض محمد رضا رازدار

در سال های اخیر تجزیه و تحلیل جنبه های مختلف اطلاعات کیفیِ گزارش های مالی، یکی از ابزارهای مهم برای تصمیم گیری سرمایه گذاران و سایر استفاده کنندگانِ بازار سرمایه می باشد. هدف پژوهش حاضر، بررسی تأثیر لحن گزارش پیش بینی سود بر واکنش سرمایه گذاران و پیش بینی عملکرد، می باش چکیده کامل

در سال های اخیر تجزیه و تحلیل جنبه های مختلف اطلاعات کیفیِ گزارش های مالی، یکی از ابزارهای مهم برای تصمیم گیری سرمایه گذاران و سایر استفاده کنندگانِ بازار سرمایه می باشد. هدف پژوهش حاضر، بررسی تأثیر لحن گزارش پیش بینی سود بر واکنش سرمایه گذاران و پیش بینی عملکرد، می باشد. جهت بررسی این موضوع، پژوهش حاضر از اطلاعات 140 سال- شرکت پذیرفته شده در بورس اواراق بهادار تهران بین سال های 1390 تا 1396 استفاده می نماید. به منظور آزمون فرضیه های پژوهش نیز از روش رگرسیون خطی چندگانه و رگرسیون لجستیک استفاده گردید. یافته های پژوهش حاکی از آن است که، لحن گزارش پیش بینی سود، ابزار مناسبی برای سرمایه گذاران و سایر استفاده کنندگان، جهت پیش بینی سودها و جریان های وجه نقد آتی (عملکرد آتی) نمی باشد. همچنین، هیچگونه رابطه معناداری بین لحن گزارش پیش بینی سود با برخی معیارهای افزایندۀ (کاهندۀ) درک وآگاهی مدیران جهت مدیریتِ لحن گزارش ها، از قبیل تجدید ارائه سود و تحقق نزدیک به واقع (دور از واقع) سود یافت نشد. به عبارت دیگر، لحن گزارش پیش بینی سود بر روی درک و آگاهی سرمایه گذاران هیچ تأثیری ندارند. پرونده مقاله

دسترسی آزاد مقاله

66 - ارائه مدلی به منظور پیش بینی ورشکستگی شرکت ها با استفاده از مکانیزم های حاکمیت شرکتی و نسبت های مالی
غزاله علی بابایی محمد حامد خان محمدی

بهبود بستر اقتصادی و فضای کسب و کار، مهم ترین عامل جلوگیری از ورشکستگی است. از این رو، مدل های پیش بینی ورشکستگی با استفاده از روش های هوشمند اقدام به پیش بینی ورشکستگی شرکت ها در آینده می کنند. در این پژوهش شرکت های فعال در بورس اوراق بهادار تهران در بازه زمانی 10 ساله چکیده کامل

بهبود بستر اقتصادی و فضای کسب و کار، مهم ترین عامل جلوگیری از ورشکستگی است. از این رو، مدل های پیش بینی ورشکستگی با استفاده از روش های هوشمند اقدام به پیش بینی ورشکستگی شرکت ها در آینده می کنند. در این پژوهش شرکت های فعال در بورس اوراق بهادار تهران در بازه زمانی 10 ساله از لحاظ ورشکستگی براساس مدل بومی شده کردستانی-تاتلی بر پایه مدل آلتمن مورد بررسی قرار گرفتند و شرکت ها به تفکیک ورشکسته، سالم شناسایی شدند. داده های پژوهش با استفاده از داده های ثانویه مستخرج از صورت های مالی و از طریق پایگاه داده های سازمان بورس و بانک مرکزی جمع آوری، دسته بندی و پالایش شدند. مدل های مورد استفاده جهت ارزیابی داده ها و پیش بینی ورشکستگی شرکت ها، مدل های هوش مصنوعی بوده است شامل شبکه عصبی پرسپترون به عنوان روش اول، ترکیب شبکه عصبی و الگوریتم ژنتیک، روش دوم و روش سوم روش نزدیک ترین همسایه استفاده شده است و از نظر دقت پیش بینی نیز با هم مقایسه شدند. خروجی مدل ها حاکی از این است که افزودن شاخص های حاکمیت شرکتی به شاخص های نسبت های مالی باعث بهبود در نتایج نشده است. لذا نسبت های مالی در تعیین ورشکستگی به تنهایی قدرت پیش بینی خوبی دارند. مدل پیشنهادی این پژوهش از لحاظ دقت، مدل ترکیب شده شبکه عصبی و الگوریتم ژنتیک می باشد که بالاترین دقت را داشته است. الگوریتم ژنتیک نتایج بهینه ی شبکه عصبی را بهبود می بخشد و جواب بهینه تری ارایه می گردد. پرونده مقاله

دسترسی آزاد مقاله

67 - بررسی نقدشوندگی و کارایی اطلاعاتی در بازار ارزهای رمزپایه
محمد صالحی فر

در این مقاله به بررسی رفتار بازده، نقدشوندگی و کارایی اطلاعاتی در بازار ارزهای رمزپایه پرداخته ایم. رمزارزها یکی از انواع ارزهای مجازی هستند که درطراحی آنها از فناوری رمزنگاری استفاده شده و معمولاً به صورت غیرمتمرکز اداره می‌شوند. نمونه پژوهش شامل 13رمزارز میباشد که طی چکیده کامل

در این مقاله به بررسی رفتار بازده، نقدشوندگی و کارایی اطلاعاتی در بازار ارزهای رمزپایه پرداخته ایم. رمزارزها یکی از انواع ارزهای مجازی هستند که درطراحی آنها از فناوری رمزنگاری استفاده شده و معمولاً به صورت غیرمتمرکز اداره می‌شوند. نمونه پژوهش شامل 13رمزارز میباشد که طی 3سال مورد دادوستد قرار گرفته اند. بااستفاده از آزمون ریشه واحد دیکی-فولر، آزمونهای پارامتریک خودهمبستگی الجانگ،باکس وبارتلت،آزمون خودهمبستگی و خودهمبستگی جزئی فاما-فرنچ، آزمون ناپارامتریک ران وهِرست به بررسی نامانایی و میزان استقلال مشاهدات در سری زمانی بازده رمزارزها، حافظه بلندمدت و پدیده مومنتوم در بازار معاملات رمزارزها پرداخته ایم. یافته های پژوهش نشان میدهند که در بازارهای دارای درجات نقدشوندگی بالا، بازدهی رمزارزها رفتاری غیرقابل پیش‌بینی داشته و نقدشوندگی در بازار رمزارزها ارتباط مستقیمی با کارایی اطلاعاتی دارد.درمجموع میتوان گفت هرچه بازارهای معاملاتی رمزارزها ازنقدشوندگی بالاتری برخوردارباشند، سری زمانی بازده رمزارزها به سمت تصادفی بودن حرکت کرده،پیش بینی پذیری بازده دراین بازارها کاهش یافته وفرضیه کارایی بازار تقویت میگردد. پرونده مقاله

دسترسی آزاد مقاله

68 - پیش‌بینی نابسامانی شبکه‌ای نظام بانکی مبتنی بر ریسک‌های عملیاتی و مؤلفه‌های مالی رفتاری
احمد بیدی فریدون رهنمای رودپشتی رضا غلامی جمکرانی حمید رضا کردلوئی مرتضی بکی حسکویی

پژوهش حاضر با هدف پیش‌بینی نابسامانی شبکه‌ای نظام بانکی مبتنی بر ریسک‌های عملیاتی و رویکرد مالی رفتاری انجام شده است. روش پژوهش حاضر از نوع توصیفی پیمایشی و از نظر هدف کاربردی است. برای رسیدن به این هدف، ابتدا، بر اساس مطالعه و مرور مبانی نظری موجود، متغیرهای پژوهش معرف چکیده کامل

پژوهش حاضر با هدف پیش‌بینی نابسامانی شبکه‌ای نظام بانکی مبتنی بر ریسک‌های عملیاتی و رویکرد مالی رفتاری انجام شده است. روش پژوهش حاضر از نوع توصیفی پیمایشی و از نظر هدف کاربردی است. برای رسیدن به این هدف، ابتدا، بر اساس مطالعه و مرور مبانی نظری موجود، متغیرهای پژوهش معرفی شدند. سپس، با استفاده از جدول کرجسی و مورگان به تعداد (384) نفر نمونه تعیین و با توزیع پرسشنامه در بین آنها داده‌های تحقیق گردآوری شد. همچنین، برای تحلیل داده‌ها و تخمین مدل‌های تجربی پژوهش از مدل‌سازی معادلات ساختاری ((SEM و نرم افزار (Smart PLS) استفاده‌ شده است. یافته‌های این پژوهش نشان می‌دهد که ابعاد مالی رفتاری و ریسک عملیاتی تاثیرات معنی‌داری در پیش بینی نابسامانی شبکه بانکی دارد. همچنین، بر اساس ضرایب بتای برآورد شده در بین مولفه‌های مالی رفتاری، رفتار اقتصادی، بعد شناختی، تورش قضاوتی، رفتارهای مکاشفه ای، تورش‌های تصمیمی و قیمت و بازده سهام به ترتیب بیشترین تاثیر را بر نابسامانی بانکی نشان می‌دهند و ریسک نیروی انسانی، ریسک سیستمی، ریسک معاملاتی، ریسک فناوری و ریسک کلاه‌برداری و تقلب در بین مولفه‌های ریسک عملیاتی نیز به ترتیب بیشترین تاثیر بر نابسامانی بانکی را داشته اند. پرونده مقاله

دسترسی آزاد مقاله

69 - ارزیابی مدل مبتنی بر عوامل بنیادی ریسک در پیش‌بینی قیمت سهام
احسان کمالی سید عباس هاشمی داریوش فروغی

چگونگی اندازه گیری و دخیل نمودن ریسک، یکی از مباحث چالش برانگیز در مدل های ارزشیابی سهام می باشد. این پژوهش بر اساس یک متدولوژی جدید جهت اندازه گیری ریسک بر اساس مرتبط نمودن متغیرهای بنیادی شرکت در مدل های ارزشیابی طراحی شده است. بدین منظور بتای مازاد بازده حقوق صاحبان چکیده کامل

چگونگی اندازه گیری و دخیل نمودن ریسک، یکی از مباحث چالش برانگیز در مدل های ارزشیابی سهام می باشد. این پژوهش بر اساس یک متدولوژی جدید جهت اندازه گیری ریسک بر اساس مرتبط نمودن متغیرهای بنیادی شرکت در مدل های ارزشیابی طراحی شده است. بدین منظور بتای مازاد بازده حقوق صاحبان سهام و همچنین بتاهای اندازه و ارزش دفتری به بازار بر اساس عایدی، به عنوان تعدیل ریسک در مدل ارزشیابی وارد گردیده و با ارزش فعلی بر اساس نرخ بازده بدون ریسک ترکیب شده است. فرایند ارزشیابی در دو مرحله انجام گرفت، ابتدا در طی دوره 1380 تا 1389 با استفاده از رگرسیون های سری زمانی کوتاه مدت ضرایب مربوط به تعدیل ریسک در سه سطح شرکت، صنعت و پرتفوی های منتخب استخراج شده و در مرحله دوم ضرایب مزبور به همراه سایر داده های مورد نیاز در مدل تحقیق جهت پیش بینی قیمت سهام برای سال 1390 بکار رفته است. نتایج حاصل از بکارگیری مدل نشان دهنده کارایی آن در پیش بینی قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران را دارد. پرونده مقاله

دسترسی آزاد مقاله

70 - سرمایه‌گذاری مبتنی بر سبک و قابلیت پیش‌بینی بازده
مریم دولو حمیدرضا فرتوک‌زاده

پژوهش حاضر به مداقه پیش‌بینی بازده مقطعی سهام انفرادی توسط بازده مبتنی بر سبک در بورس اوراق بهادار تهران می‌پردازد. آزمون قابلیت پیش‌بینی بازده سهام بر مبنای مدل رگرسیون فاما و مک‌بث (1973) و با استفاده از داده‌های دوره زمانی 1380 تا 1389 صورت می‌گیرد. همچنین، جهت مداقه چکیده کامل

پژوهش حاضر به مداقه پیش‌بینی بازده مقطعی سهام انفرادی توسط بازده مبتنی بر سبک در بورس اوراق بهادار تهران می‌پردازد. آزمون قابلیت پیش‌بینی بازده سهام بر مبنای مدل رگرسیون فاما و مک‌بث (1973) و با استفاده از داده‌های دوره زمانی 1380 تا 1389 صورت می‌گیرد. همچنین، جهت مداقه در قابلیت پیش‌بینی یادشده، رابطه تغییرات مشترک بازده سهام و سبک مربوطه با تداوم نیز آزمون می‌گردد. برای این منظور از رویکرد تحلیل پرتفوی متکی به طبقه‌بندی دوگانه استفاده می‌گردد. نتایج حاصل از این تحقیق بر قابلیت پیش‌بینی بازده مقطعی آتی سهام توسط بازده مبتنی بر سبک طی دوره تشکیل 12 ماهه صحه می‌نهد. شواهد حاصله نشان می‌دهد تغییرات مشترک بازده سهام و سبک منجر به تغییر سود تداوم می‌گردد. یافته مذکور منحصر به دوره تشکیل 12 ماهه و افق بازده آتی یک‌ماهه بوده و در بازده‌های آتی طولانی‌تر (3، 6 و 12 ماه) برقرار نیست. پرونده مقاله

دسترسی آزاد مقاله

71 - بهینه سازی میانگین متحرک قیمت سهام در بورس اوراق بهادار تهران : رهیافت روش فرا ابتکاری الگوریتم ژنتیک بهبود دهنده ی تطبیق پذیر
محبوبه اصغرتبار لداری احمد جعفری صمیمی

برای پیش بینی قیمت سهام، ابزارهای تکنیکال، مورد استفاده بوده و یکی از کاربردی ترین آنها، میانگین های متحرک می باشد. استفاده از دو میانگین متحرک، متداول ترین روش برای یافتن نقاط خرید و فروش به موقع بوده که نیازمند دو طول دوره های زمانی می باشد. طولهای بهینه برای دو دوره چکیده کامل

برای پیش بینی قیمت سهام، ابزارهای تکنیکال، مورد استفاده بوده و یکی از کاربردی ترین آنها، میانگین های متحرک می باشد. استفاده از دو میانگین متحرک، متداول ترین روش برای یافتن نقاط خرید و فروش به موقع بوده که نیازمند دو طول دوره های زمانی می باشد. طولهای بهینه برای دو دوره زمانی کوتاه مدت و بلند مدت برای هر سهم، با توجه به روند قیمتی اخیر آنها، متفاوت است. یافتن این طولهای بهینه با روشهای سنتی، هزینه بر بوده و معمولا به جواب بهینه سراسری نمی رسند. بهترین راه، استفاده از ابزارهای هوشمند مانند الگوریتم ژنتیک است؛ الگوریتم ژنتیکی که در این تحقیق به کار رفته، الگوریتم ژنتیک بهبود دهنده تطبیق پذیر(به اختصار ژبت) می باشد که خیلی سریع تر به جواب بهینه سراسری می رسد. در این تحقیق داده های شرکتهای برتر در صنایع مختلف بورس اوراق بهادار تهران از فروردین 1390 تا خرداد 1395 مورد ارزیابی قرار گرفته اند، نتایج نشان می دهد که با تنظیم دقیق پارامترها، الگوریتم به طولهای بهینه ی دوره های زمانی خواهد رسید. پرونده مقاله

دسترسی آزاد مقاله

72 - بررسی اثر متغیرهای بنیادی بر قیمت سهام
فرهاد حنیفی میرفیض فلاح شمس لیلا ابوالفضلی

پیش‌بینی قیمت سهام و استراتژی مناسب برای معامله سهام، موضوع بسیاری از تحقیقات است. از جمله مباحث مورد توجه در این حوزه ،تحلیل بنیادی می‌باشند. این پژوهش توان توضیح دهندگی برخی متغیرهای بنیادی را مورد بررسی قرار می‌دهد.دوره مورد بررسی از سال 1385 تا1389 می‌باشد که در مجم چکیده کامل

پیش‌بینی قیمت سهام و استراتژی مناسب برای معامله سهام، موضوع بسیاری از تحقیقات است. از جمله مباحث مورد توجه در این حوزه ،تحلیل بنیادی می‌باشند. این پژوهش توان توضیح دهندگی برخی متغیرهای بنیادی را مورد بررسی قرار می‌دهد.دوره مورد بررسی از سال 1385 تا1389 می‌باشد که در مجموع 51 شرکت پذیرفته شده در بورس انتخاب شده اند کلیه داده‌ها به صورت فصلی و سالانه مورد بررسی قرار گرفتند و از متدولوژی داده‌های ترکیبی (panel data) رابطه بین متغیرها ارزیابی و آزمون شده‌اند. نتایج تحقیق نشان می‌دهد که بین متغیرهای بنیادی در این پژوهش که عبارتند از سود هر سهم، سود پیش‌بینی شده هر سهم، بازده حقوق صاحبان سهام وارزش دفتری که به جز بازده حقوق صاحبان سهام در داده‌های فصلی کلیه متغیرها با قیمت سهم رابطه مثبت معنی داری دارند و کلیه متغیرها قدرت توضیح دهندگی بالای 90 درصد برای قیمت سهم دارند .همچنین مشاهده شد مدل رگرسیونی حاصل از متغیرهای بنیادی بصورت سالانه قدرت توضیح دهندگی بالاتری نسبت به داده‌های فصلی دارند که نشان دهنده نگاه بلند مدت تحلیل بنیادی می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

73 - تبیین تأثیر مازاد جریان نقد آزاد، حاکمیت شرکتی و اندازه شرکت بر توانایی پیش بینی جریان های نقد آتی
فاطمه قربانی نسب محمد حامد خان محمدی

هدف این پژوهش تبیین تاثیر مازاد جریان نقد آزاد، حاکمیت شرکتی و اندازه شرکت بر توانایی پیش بینی جریان های نقد آتی شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. جریان نقد آزاد و سود به عنوان متغیر مستقل می باشد. این پژوهش با استفاده از نمونه ای شامل 100 شرکت پذ چکیده کامل

هدف این پژوهش تبیین تاثیر مازاد جریان نقد آزاد، حاکمیت شرکتی و اندازه شرکت بر توانایی پیش بینی جریان های نقد آتی شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. جریان نقد آزاد و سود به عنوان متغیر مستقل می باشد. این پژوهش با استفاده از نمونه ای شامل 100 شرکت پذیرفته شده در بورس اوراق بهادار تهران، بین سالهای (1387 تا 1393) انجام می شود و از روش نمونه‌گیری حذفی سیستماتیک (غربالگری) و تصادفی استفاده شده است. فرضیه های تحقیق با استفاده از رگرسیون خطی مورد بررسی قرار گرفتند و نتایج پژوهش نشان می دهد که مازاد جریان نقد آزاد به طور مثبت بر توانایی پیش بینی جریان نقد آتی تاثیر دارد و همچنین ابعاد حاکمیت شرکتی (نسبت مدیران مستقل، تعداد کل اعضای هیئت مدیره، تمرکز مالکیت، مالکیت مدیریتی) بر رابطه بین مازاد جریان نقد آزاد و پیش بینی جریان های نقد آتی تاثیری ندارد و اندازه شرکت بر رابطه بین مازاد جریان نقد آزاد و پیش بینی جریان های نقد آتی تاثیری ندارد. پرونده مقاله

دسترسی آزاد مقاله

74 - آزمون مدل‌های ARIMA و AFRIMA جهت پیش‌بینی فوب نفت و گاز خلیج فارس ( متن این مقاله به زبان انگلیسی می باشد. )
حسن آماده علی امینی ف عفتی

نفت و گاز یکی از مهم‌ترین منابع انرژی است و تغییرات قیمت آن می‌تواند تاثیر معنی‌داری بر تصمیمات اقتصادی داشته باشد. قیمت حامل‌های انرژی نبایستی بیش از 90 درصد قیمت فوب خلیج فارس باشد. در این مقاله برای پیش‌بینی، از داده‌های سری زمانی و از مدل‌های ARIMA و AFRIMA استفاده چکیده کامل

نفت و گاز یکی از مهم‌ترین منابع انرژی است و تغییرات قیمت آن می‌تواند تاثیر معنی‌داری بر تصمیمات اقتصادی داشته باشد. قیمت حامل‌های انرژی نبایستی بیش از 90 درصد قیمت فوب خلیج فارس باشد. در این مقاله برای پیش‌بینی، از داده‌های سری زمانی و از مدل‌های ARIMA و AFRIMA استفاده گردیده است. نتایج پژوهش حاضر نشان داده است که مدل AFRIMA از مدل ARIMA، توان پیش‌بینی بهتری دارد. پرونده مقاله

دسترسی آزاد مقاله

75 - کاربرد حرکت براونی هندسی در پیش‌بینی قیمت طلا و نرخ ارز
حجت الله صادقی محمد اسماعیل فدایی نژاد علیرضا ورزیده

متغیرهایی مانند نرخ طلا و ارز دارای اهمیت زیادی برای فعالان اقتصادی هستند و هدف پژوهش حاضر پیش‌بینی نرخ دلار آمریکا و قیمت سکه طلا در بازار آزاد ایران تعیین شده است. پیش‌بینی مذکور توسط مدل حرکت براونی هندسی صورت پذیرفت و داده‌های پژوهش‌ در بازه زمانی ابتدای سال 1392 تا چکیده کامل

متغیرهایی مانند نرخ طلا و ارز دارای اهمیت زیادی برای فعالان اقتصادی هستند و هدف پژوهش حاضر پیش‌بینی نرخ دلار آمریکا و قیمت سکه طلا در بازار آزاد ایران تعیین شده است. پیش‌بینی مذکور توسط مدل حرکت براونی هندسی صورت پذیرفت و داده‌های پژوهش‌ در بازه زمانی ابتدای سال 1392 تا انتهای سال 1395 جمع‌آوری و تحلیل گردید. همچنین پیش‌بینی برای هر کدام از سری‌های زمانی تحت مطالعه، در افق‌های مختلف پیش‌بینی شامل دوره زمانی 7، 14، 21، 30، 60، 90، 180 و 360 روزه انجام گرفت. نتایج پژوهش‌ نشان می‌دهد که مدل حرکت براونی هندسی مطابق با معیار میانگین قدر مطلق درصد خطا می‌تواند قیمت‌ها را با صحت بالا شبیه‌سازی نماید. از دیگر نتایج به دست آمده از پژوهش‌‌ حاضر این است که با توجه به ده معیار متفاوت صحت پیش‌بینی، مشخص می‌شود که با افزایش افق زمانی پیش‌بینی توانایی مدل GBM در انجام شبیه‌سازی کاهش می‌یابد. پرونده مقاله

دسترسی آزاد مقاله

76 - بررسی تاثیر سازوکارهای حاکمیت شرکتی بر رابطه بین جریان نقد آزاد و پیش‌بینی سود
ابراهیم عباسی

هدف این پژوهش بررسی تاثیر سازوکارهای حاکمیت شرکتی بر رابطه بین جریان نقد آزاد و پیش بینی سود می باشد. پیش بینی سود با استفاده از رابطه رگرسیونی بین جریان نقد عملیاتی سال بعد و سود فعلی بدست می آید. جریان نقد آزاد و سازوکارهای حاکمیت شرکتی (نسبت مدیران مستقل، تعداد اعضای چکیده کامل

هدف این پژوهش بررسی تاثیر سازوکارهای حاکمیت شرکتی بر رابطه بین جریان نقد آزاد و پیش بینی سود می باشد. پیش بینی سود با استفاده از رابطه رگرسیونی بین جریان نقد عملیاتی سال بعد و سود فعلی بدست می آید. جریان نقد آزاد و سازوکارهای حاکمیت شرکتی (نسبت مدیران مستقل، تعداد اعضای هیات مدیره، دوگانگی نقش مدیرعامل، درصد سهام تحت تملک سهامدار نهادی و مالکیت سهام مدیران) به عنوان متغیرهای مستقل می باشند. با استفاده ازنمونه ای شامل 102 شرکت پذیرفته شده دربورس اوراق بهادار تهران، بین سالهای 1387تا1392 پژوهش انجام می شود. برای تخمین مدل، از رگرسیون خطی چند گانه در سطح داده های تجمعی استفاده شده است. نتیجه نهایی حاصل از آزمون فرضیه های پژوهش بیانگر این است که بین جریان نقد آزاد و پیش بینی سود رابطه معنی داری وجود ندارد و همچنین سازوکارهای حاکمیت شرکتی (نسبت مدیران مستقل، تعداد اعضای هیات مدیره، دوگانگی نقش مدیرعامل، درصد سهام تحت تملک سهامدار نهادی و مالکیت سهام مدیران) بر رابطه بین جریان نقد آزاد و پیش بینی سود تاثیری ندارند. پرونده مقاله

دسترسی آزاد مقاله

77 - بررسی رابطه بین احساسات سرمایه گذار، جسارت در پیش بینی سود سهام و عملکرد آتی شرکت
رضا غلامی جمکرانی زهرا اکبری مسعود بختیاری

هدف از این پژوهش بررسی رابطه بین احساسات سرمایه گذار، جسارت در پیش بینی سود سهام و عملکرد آتی شرکت در بورس اوراق بهادار تهران است. پژوهش موردنظر از جهت هدف، کاربردی و ازلحاظ نوع طرح پژوهش به جهت تکیه ‌بر اطلاعات تاریخی، پس رویدادی و روش استنتاج آن استقرایی و از نوع همبس چکیده کامل

هدف از این پژوهش بررسی رابطه بین احساسات سرمایه گذار، جسارت در پیش بینی سود سهام و عملکرد آتی شرکت در بورس اوراق بهادار تهران است. پژوهش موردنظر از جهت هدف، کاربردی و ازلحاظ نوع طرح پژوهش به جهت تکیه ‌بر اطلاعات تاریخی، پس رویدادی و روش استنتاج آن استقرایی و از نوع همبستگی می‌باشد و شامل 3 فرضیه می‌باشد. جامعه پژوهش شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در سال‌های 1394-1390 می‌باشد.جهت مستندسازی نتایج تجزیه‌وتحلیل آماری و ارائه راه‌حل‌های نهایی، محقق از شیوه آماری با استفاده از نرم‌افزار Eviews اقدام به تجزیه‌وتحلیل سؤالات و فرضیات نموده است.فرضیه‌های پژوهش با استفاده از رگرسیون خطی مرکب و آزمون‌های F و t تحلیل‌شده‌اند. نتایج آزمون فرضیات‌ پژوهش نشان داد که احساسات سرمایه گذار بر جسارت در پیش بینی سود سهام و رشد شرکت تاثیر گذار است ولی بر بازده آتی تاثیر گذار نیست. پرونده مقاله

دسترسی آزاد مقاله

78 - پیش بینی ورشکستگی شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی
محسن واعظ قاسمی سعید رمضانپور چهارده

آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای چکیده کامل

آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای پیش بینی ورشکستگی شرکت های حاضر در بازار بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی است. در این تحقیق از نسبت های مالی زیمنسکی در کنار یک متغیر کلان اقتصادی برای پیش بینی ورشکستگی شرکت ها استفاده شده؛ جامعه آماری تحقیق از بین شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار انتخاب شدند. نسبت های مالی از صورت های مالی شرکت ها در بازه زمانی پنج ساله، بین سال های 1389 تا 1393 استخراج شده، که در نهایت 84 شرکت انتخاب و به دو دسته شرکت های سالم و ورشکسته با نسبت های برابر تقسیم شدند. برای ایجاد مدل پیش بینی و تجزیه و تحلیل داده ها از شبکه عصبی پرسپترون چند لایه با استفاده از الگوریتم پس انتشار استفاده شده. شبکه یک بار تنها فقط با استفاده از نسبت های مالی و بار دیگر با اضافه شدن متغیر کلان اقتصادی تحت آموزش قرار گرفت تا در نهایت این فرضیه تائید شود که دقت شبکه با اضافه شدن متغیر کلان اقتصادی افزایش می یابد. در نهایت مدل طراحی شده در حالت کلی دارای دقتی 92.95 درصدی، و 85 درصد پیش بینی درست شرکت های ورشکسته برای یک سال قبل از ورشکستگی را دارد. پرونده مقاله

دسترسی آزاد مقاله

79 - تأثیر هزینه نمایندگی بر پیش‌بینی سودآوری شرکت ها
محمدباقر محمدزاده مقدم

مرور مقالات نشان میان‌دامنه،هزینه نمایندگی در شرکت ها یکی از مهم ترین زمینه های مطالعاتی در حسابداری بوده است.ازاین‌رو هدف اصلی این پژوهش نحوه ارزیابی تأثیر هزینه نمایندگی بر پیش بینی سودآوری در بورس اوراق بهادار تهران است. در این پژوهش معیار هزینه نمایندگی شامل مدیریت چکیده کامل

مرور مقالات نشان میان‌دامنه،هزینه نمایندگی در شرکت ها یکی از مهم ترین زمینه های مطالعاتی در حسابداری بوده است.ازاین‌رو هدف اصلی این پژوهش نحوه ارزیابی تأثیر هزینه نمایندگی بر پیش بینی سودآوری در بورس اوراق بهادار تهران است. در این پژوهش معیار هزینه نمایندگی شامل مدیریت سود، ساختار سرمایه، سازوکار حاکمیت شرکتی و نسبت گردش دارایی است.جامعه آماری این پژوهش را شرکت های پذیرفته‌شده در بورس اوراق بهادار تهران که از سال 1389 تا 1395 فعال هستند، تشکیل می دهد. شرکت های نمونه شامل 105 شرکت و در مجموع شامل 735 سال- شرکتاست.برای آزمون فرضیه ها از روش رگرسیون و روش حداقل مربعات استفاده ‌شده است. این پژوهش، از لحاظ روش شناسی، از نوع شبه تجربی و پس رویدادی در حوزه پژوهش های اثباتی حسابداری است. یافته های حاصل از آزمون فرضیه‌های این پژوهش نشان می‌دهد که از بین معیارهای اندازه گیری هزینه نمایندگی رابطه بین مالکیت نهادی ناشی از حاکمیت شرکتی و نسبت گردش دارایی با پیش بینی سودآوری مستقیم و معنادار است.این یافته ها همچنین نشان داد رابطه معناداری بین ساختار سرمایهو پیش بینی سودآوری وجود ندارد. علاوه بر این، رابطه بین مدیریت سود و پیش بینی سودآوری معنادار ولی معکوس است که دلیل این رابطه معکوس را می توان خطر اخلاقی ناشی از عدم تقارن اطلاعاتی مدیریت سود دانست. پرونده مقاله

دسترسی آزاد مقاله

80 - A Numerical Method for Solving Fuzzy Differential Equations With Fractional Order
N. Ahmady

In this paper we present a numerical method for fuzzy differential equation of fractional order under gH-fractional Caputo differentiability. The main idea of this method is to approximate the solution of fuzzy fractional differential equation (FFDE) by an implicit meth چکیده کامل

In this paper we present a numerical method for fuzzy differential equation of fractional order under gH-fractional Caputo differentiability. The main idea of this method is to approximate the solution of fuzzy fractional differential equation (FFDE) by an implicit method as corrector and explicit method as predictor. This method is tested on numerical examples. پرونده مقاله

دسترسی آزاد مقاله

81 - Predicting of Stroke Risk Based On Clinical Symptoms Using the Logistic Regression Method
M. GholamAzad J. Pourmahmoud A. R. Atashi M. Farhoudi R. Deljavan Anvari

10.30495/ijim.2022.64325.1559

Mathematical modeling is one of the feasible methods that can be used to solve real problems. Modeling can be done using a variety of methods, including statistical methods that can be used to predict a variety of events. Health is one of the most important areas of res چکیده کامل

Mathematical modeling is one of the feasible methods that can be used to solve real problems. Modeling can be done using a variety of methods, including statistical methods that can be used to predict a variety of events. Health is one of the most important areas of research in the world today. Among the various diseases in the health sector, this study concerns stroke which is the second leading cause of death and long-term human disability, that has led to doing this research. The main objective of this research is to design and to build a predictive model of stroke based on symptoms and clinical reports, whether or not stroke occurs in patients in the near future. Using logistic regression technology, the main pathogenic factors of stroke have been found and their incidence has been predicted. In this study, clinical information from 5411 patients was collected and, after applying the LR method, the predictive model was designed. پرونده مقاله

دسترسی آزاد مقاله

82 - مروری بر برخی مدل‌های پیش‌بینی رشد شهری
فاطمه حاجی زاده عبدالرسول سلمان ماهینی

جمعیت انسانی همچنان به تجمع در مراکز شهری ادامه می دهد که به ناچار رد پای شهری را از طریق ایجاد پیامدهای مهم برای تنوع زیستی، آب و هوا، و منابع محیط زیستی افزایش می دهد. مدل های پیش بینی رشد شهری برای کمک به مدیریت پایدار مناطق شهری به طور گسترده مورد مطالعه قرار گرفته چکیده کامل

جمعیت انسانی همچنان به تجمع در مراکز شهری ادامه می دهد که به ناچار رد پای شهری را از طریق ایجاد پیامدهای مهم برای تنوع زیستی، آب و هوا، و منابع محیط زیستی افزایش می دهد. مدل های پیش بینی رشد شهری برای کمک به مدیریت پایدار مناطق شهری به طور گسترده مورد مطالعه قرار گرفته اند. با وجود تحقیقات گسترده، این مدل ها اغلب در فرایند تصمیم گیری گنجانده نمی شوند. هدف این بررسی مروری بر مدل های موجود، از جمله مزایا و محدودیت های آن ها است. همچنین، به شکل کلی به دلایل عدم اقبال به این مدل ها در فرایند تصمیم گیری پرداخته می شود. بر اساس آمار و بررسی های انجام شده مشخص گردید که در حال حاضر سلول های اتوماتا از روش های مدل سازی غالبی است که در اکثر آثار منتشر شده بکار گرفته شده است. همچنین، از دلایل عدم استفاده از این مدل ها در فرایند تصمیم گیری، نا آشنا بودن تصمیم گیران با آن ها و نیز عدم مقبولیت و محبوبیت مدل برای پژوهش یکپارچه قابل ذکر هستند. پرونده مقاله

دسترسی آزاد مقاله

83 - آتش‌سوزی جنگل‌های ایران، پیامدها، روش‌های مقابله و راهکارها
سعیده اسکندری سمانه اسکندری

طی سال های اخیر آتش سوزی در جنگل های ایران بخش وسیعی از این اکوسیستم‌های ارزشمند را نابود کرده است. با توجه به این‌که ایران جزء کشورهای کم‌جنگل جهان محسوب می‌شود،‌ بررسی پیامدهای آتش‌سوزی در جنگل‌های ایران و شناخت روش‌های مقابله با آنها به‌منظور ارائه راهکاری برای کاهش چکیده کامل

طی سال های اخیر آتش سوزی در جنگل های ایران بخش وسیعی از این اکوسیستم‌های ارزشمند را نابود کرده است. با توجه به این‌که ایران جزء کشورهای کم‌جنگل جهان محسوب می‌شود،‌ بررسی پیامدهای آتش‌سوزی در جنگل‌های ایران و شناخت روش‌های مقابله با آنها به‌منظور ارائه راهکاری برای کاهش این آتش‌سوزی‌ها ضروری است. آتش سوزی در جنگل‌های ایران علاوه بر خسارت های اقتصادی و آلودگی های محیط زیستی، در از بین بردن گونه‌های گیاهی و جانوری منحصربه‌فرد این جنگل‌ها، کاهش تنوع زیستی و کاهش ارزش کیفی گونه‌های گیاهی صنعتی نیز تأثیر مهمی داشته است. به‌علاوه آتش‌سوزی‌های اخیر در جنگل‌های ایران باعث افزایش انتشار گازهای گلخانه‌ای نیز شده است که خود نقش مهمی در گرمایش این اکوسیستم‌ها و افزایش وقوع آتش‌سوزی‌های متعاقب در این جنگل‌ها داشته است. وجود این پیش‌‌زمینه به‌همراه آتش‌سوزی‌های عمدی و غیرعمدی انسانی در این اکوسیستم‌ها، وقوع آتش‌سوزی‌های مکرر در جنگل‌های ایران را دوچندان کرده است، بنابراین طراحی و توسعه روش‌های مقابله مؤثر با این آتش‌سوزی‌ها به‌صورت پیش‌گیرانه و عملیاتی ضروری به‌نظر می رسد. در این زمینه روش‌های متعددی از مدل‌سازی خطر وقوع و گسترش آتش‌سوزی با استفاده از فناوری‌های سنجش از دور و سیستم اطلاعات جغرافیایی توسعه یافته‌اند که نقش مؤثری در پیش‌بینی و پیش‌گیری از این حریق‌ها دارند. پرونده مقاله

دسترسی آزاد مقاله

84 - ارزیابی کارایی شبکه عصبی مصنوعی در پیش‌بینی میزان هدایت الکتریکی رودخانه زرینه رود
علی خوشنظر تورج نصرآبادی پویان عباسی مائده

جهت بررسی کیفیت آب رودخانه زرینه رود تعداد 16 ایستگاه نمونه گیری انتخاب گردیده و بر روی نمونه ها آزمایشات مربــوط به پارامتر های درجه حرارت، قلیاییت، pH ، هدایت الکتریکی، اکسیژن محلول و آنیون ها و کاتیون های اصلی انجام پذیرفت. با مشخص شدن نتایج آزمایشات فیزیکی و شیمیایی چکیده کامل

جهت بررسی کیفیت آب رودخانه زرینه رود تعداد 16 ایستگاه نمونه گیری انتخاب گردیده و بر روی نمونه ها آزمایشات مربــوط به پارامتر های درجه حرارت، قلیاییت، pH ، هدایت الکتریکی، اکسیژن محلول و آنیون ها و کاتیون های اصلی انجام پذیرفت. با مشخص شدن نتایج آزمایشات فیزیکی و شیمیایی و ایجاد ارتباط همبستگی به روش پیرسون، پارامتر های وابسته به پارامتر هدایت الکتریکی با در نظر گرفتن حداقل قیمت آزمایشات به عنوان پارامتر ورودی مدل های شبکه عصبی انتخاب گردیده و در مدل های مختلف از تعداد آن ها کاسته شده است. در نهایت مدل پیشنهادی شماره 5 با تابع محرک تانژانت و قانون آموزش لورنبرگ مارکوات با حداقل خطای پیش بینی مورد پذیرش می باشد. بیشینه ی ضریب تعیین برابر 98/0 و کمینه ریشه ی میانگین مربعات خطا 33/168 می باشد، همچنین مقدار خطای نرمال میانگین مربعات خطا 24/0 خواهد بود. همچنین در بررسی تاثیرگذاری پارامترهای شبکه عصبی مشخص می شود که پارامتر pH دارای تاثیر گذاری بالای 60% بر مدل شبکه عصبی خواهد بود. پرونده مقاله

دسترسی آزاد مقاله

85 - پیش بینی تغییرات پارامتر رسانایی الکتریکی در آب زیر زمینی شهر تهران با کمک شبکه عصبی مصنوعی
ناصر مهردادی غلام رضا نبی بید هندی اکبر باغوند حمید زارع ابیانه پویان عباسی مائده

جهت بررسی کیفیت آب زیر زمینی تهران با توجه به برداشت 10 سال گذشته از پارامتر های هیدروشیمیایی مربوط به 71 نقطه مختلف از شهر تهران سه مدل مختلف شبکه عصبی مصنوعی با تعداد پارامتر های مختلف ورودی و خروجی پارامتر رسانایی الکتریکی تعریف گردید. مشاهده می شود که به جهت تخمین پ چکیده کامل

جهت بررسی کیفیت آب زیر زمینی تهران با توجه به برداشت 10 سال گذشته از پارامتر های هیدروشیمیایی مربوط به 71 نقطه مختلف از شهر تهران سه مدل مختلف شبکه عصبی مصنوعی با تعداد پارامتر های مختلف ورودی و خروجی پارامتر رسانایی الکتریکی تعریف گردید. مشاهده می شود که به جهت تخمین پارامتر رسانایی الکتریکی با سعی و خطای فراوان تابع محرک تانژانت با تابع آموزش مومنتم دارای خطای کمی خواهند بود. با کمتر کردن مقدار پارامتر های ورودی و ثابت نگه داشتن تابع آموزش به مومنتوم و تابع محرک به تانژانت و تغییرات در مقدار پردازنده های داخلی شبکه عصبی میزان خطا کاسته خواهد شد و در نهایت سه مدل با یک لایه پنهان و تابع آموزش مومنتوم و تابع محرک تانژانت ساخته شد.حداکثر خطای نتایج به دست آمده نشان دهنده میزان بیشینه ضریب تعیین برابر 0.986می باشد که مربوط به مدل های 1 و 3 با تعداد پارامتر بیشتر می باشد. همچنین با توجه به شبکه عصبی ساخته شده در یک لایه کمترین میزان کمینه ی نرمال ریشه ی میانگین مربعات خطا برابر 0.110 در مدل های 1 و 3 خواهد بود، با توجه به تعداد ورودی های کمتر مدل شماره 2 و خطاهای با تقریب بسیار نزدیک به این دو مدل با میزان بیشینه ضریب تعیین برابر 96/0 و میزان کمینه ی نرمال ریشه ی میانگین مربعات خطا برابر 176/0 تقریب بسیار مناسب و قابل قبول خواهد بود و از میزان ورودی و آزمایشات جهت اندازه گیری پارامتر ورودی کاسته خواهد شد. در بحث تاثیر گذاری پارامتر ها در پیش بینی با شبکه عصبی مشخص می شود که میزان اهمیت دو یون سولفات و کلراید با اهمیت تر از پارامتر سدیم می باشند. پرونده مقاله

دسترسی آزاد مقاله

86 - کاربرد شبکه عصبی‌مصنوعی و مدل همبستگی در پیش بینی پدیده گرد و غبار در کلانشهر اهواز
نبی الله حسینی شه پریان محمد علی فیروزی سید رضا حسینی کهنوج

گرد و غبار یکی از پدیده های مخرب اقلیمی در استان های غربی است که سالاته خسارت فراوانی را به محیط زیست وارد می نماید که عواملی بسیاری در بوجود آمدن آن نقش دارند. هدف از انجام این پژوهش پیش بینی پدیده گرد و غبار شهر اهواز می باشد. در این پژوهش از داده های سینوپتیکی اهواز چکیده کامل

گرد و غبار یکی از پدیده های مخرب اقلیمی در استان های غربی است که سالاته خسارت فراوانی را به محیط زیست وارد می نماید که عواملی بسیاری در بوجود آمدن آن نقش دارند. هدف از انجام این پژوهش پیش بینی پدیده گرد و غبار شهر اهواز می باشد. در این پژوهش از داده های سینوپتیکی اهواز طی سال های (2010-2000) استفاده شده است. این داده ها شامل میانگین نقطه دمای شبنم(به سانتیگراد)، میانگین سرعت باد بر حسب نات(knots)، رطوبت نسبی بر حسب درصد میانگین و میانگین بارندگی ماهانه به عنوان ورودی و داده روزهای توأم با گرد و غبار به عنوان هدف، به شبکه معرفی شدند. سپس، با استفاده از مدل سازی علّی، روابط میان متغیرها استخراج و در نهایت، مدل به وسیله شبکه عصبی و مدل رگرسیون گام به گام، آزمون شده است. نتایج، موید توانایی بیش از 74 درصد مدل بکار رفته، در پیش بینی پدیده گرد و غبار در شهر اهواز است. میزان رگرسیون حاصل از داده های گرد و غبار در یک ترکیب خطی با متغیرهای وارد شده در معادله برابر با 651/0 است. همچنین ضریب تعیین حاصل برابر با 424/0 و ضریب تعیین تعدیل یافته برابر با 410/0 گزارش شده است؛ یعنی در واقع حدود41 درصد از واریانس متغیر انجام گرد و غبار از طریق متغیرهای مستقل تبین و توجیه شده است. پرونده مقاله

دسترسی آزاد مقاله

87 - روش‌های مدل‌سازی و ارزیابی خطر وقوع آتش‌سوزی در جنگل‌های جهان و ایران
سعیده اسکندری

روند فزاینده آتش‌سوزی در جنگل‌ها، لزوم ارایه راهکاری برای پیش‌بینی و کنترل آن‌ها را اجتناب‌ناپذیر می‌کند. با توجه به این‌که عوامل مختلفی در وقوع آتش‌سوزی جنگل‌ها تأثیرگذارند، مدل‌سازی وقوع آتش‌سوزی با توجه به کلیه فاکتورهای تأثیرگذار، راهکار مناسبی برای پیش‌بینی وقوع آت چکیده کامل

روند فزاینده آتش‌سوزی در جنگل‌ها، لزوم ارایه راهکاری برای پیش‌بینی و کنترل آن‌ها را اجتناب‌ناپذیر می‌کند. با توجه به این‌که عوامل مختلفی در وقوع آتش‌سوزی جنگل‌ها تأثیرگذارند، مدل‌سازی وقوع آتش‌سوزی با توجه به کلیه فاکتورهای تأثیرگذار، راهکار مناسبی برای پیش‌بینی وقوع آتش‌سوزی در این جنگل‌ها است. این مطالعه به‌منظور بررسی روش‌های مختلف مدل‌سازی و ارزیابی خطر وقوع آتش‌سوزی در جنگل‌های جهان و ایران انجام شده است. بررسی تحقیقات انجام‌شده در ایران نشان‌دهنده این است که مطالعات مربوط به پتانسیل‌یابی آتش‌سوزی در کشور ما محدود بوده و در اغلب این مطالعات از تحلیل سلسله مراتبی برای وزن‌دهی به فاکتورهای مؤثر در وقوع آتش‌سوزی جنگل‌ها استفاده شده است. جمع‌بندی تحقیقات انجام‌شده در مناطق دیگر جهان نشان می‌دهد که اغلب نوع پوشش گیاهی، شیب، جهت جغرافیایی، فاصله از جاده‌ها، توپوگرافی و کاربری اراضی، مؤثرترین فاکتورها در مدل‌سازی وقوع آتش بوده‌اند و ادغام لایه‌ها معمولاً بر اساس سلسله مراتب و ضریب خطر در وقوع آتش‌سوزی انجام شده است. برای ارزیابی دقت مدل استفاده‌شده در تهیه نقشه پتانسیل خطر آتش‌سوزی، معمولاً نقشه پتانسیل خطر آتش‌سوزی با نقشه آتش‌سوزی‌های گذشته مقایسه شده است. در برخی مطالعات جدیدتر، از رگرسیون لجستیک و الگوریتم درخت تصمیم‌گیری برای انتخاب متغیرهای مؤثر در آتش‌سوزی و همچنین مدل‌سازی خطر آتش‌سوزی استفاده شده است و در روش‌های پیشرفته‌تر از تلفیق سیستم استنتاج فازی و شبکه عصبی، هوش مصنوعی و ماشین بردار پشتیبان برای پیش‌بینی آتش‌سوزی‌های آینده استفاده شده است. آنالیز چندمعیاره موضوعی است که در تحقیقات جدید مطرح شده و سازماندهی معیارها در قالب مدلی از داده‌های مکانی با استفاده از GIS نتایج مطلوبی را به‌همراه داشته است. پرونده مقاله

دسترسی آزاد مقاله

88 - Prediction Micro-Hardness of Al-based Composites by Using Artificial Neural Network in Mechanical Alloying
R, M Babaheydari S, O Mirabootalebi

Aluminum composites are one of the most important alloys with a wide range of properties and applications. In this paper, we predict the micro-hardness of aluminum-based alloys by artificial neural method (ANN). First, the effective parameters in mechanical alloying inc چکیده کامل

Aluminum composites are one of the most important alloys with a wide range of properties and applications. In this paper, we predict the micro-hardness of aluminum-based alloys by artificial neural method (ANN). First, the effective parameters in mechanical alloying include weight percentage and micro hardness of reinforcement materials, milling time, the ball to powder weight ratio, vial speed, the pressure of presses, sintering time and temperature, selected for inputs and micro-hardness of Al composite considered as the output. A feed-forward back propagation artificial neural network designed with 16 and 10 neurons in the first and second hidden layers, respectively. The created network with the mean percentage error of 5.6% was able to predict micro hardness of the Al composites. Finally, the effect of each parameter was determined by sensitivity analysis which volume fraction of alloying elements, milling speed and sintering time had the highest impact on the micro hardness of Al-based composites. پرونده مقاله

دسترسی آزاد مقاله

89 - Evaluating the thermal comfort of humans by RayMan model in Lake Urmia Basin, Iran
Khadijeh Javan Farhad Nasiri

Tourism is one of the largest economic sectors globally. It is a climate sensitive sector, with climate being one of the most important attributes for a destination. In order to know that a region's climate what extent is suitable to the given tourism activities, the to چکیده کامل

Tourism is one of the largest economic sectors globally. It is a climate sensitive sector, with climate being one of the most important attributes for a destination. In order to know that a region's climate what extent is suitable to the given tourism activities, the tourism climate potential must be determined. This study aims to illustrate observed the tourism climate potential of Lake Urmia Basin during 1988-2012, by using physiologically equivalent temperature (PET), the predicted mean vote (PMV) and standard effective temperature (SET). The RayMan model was used to calculate the indices PET, PMV and SET. The analysis is based on the monthly measured datasets of 8 synoptic stations. Results demonstrate that according to PET and PMV, July and August are the best months for tourists in terms of thermal comfort in Lake Urmia Basin. Also, June and September have Slight cold stress and provide acceptable conditions for tourists. In SET, the thermal perceptions in no month are comfortable. But July and August have Slight cold stress and provide acceptable conditions for tourists. پرونده مقاله

دسترسی آزاد مقاله

90 - بررسی رفتار رمه ای متغیر زمان در بورس اوراق بهادار تهران با استفاده از مدل امتیاز خود رگرسیونی تعمیم یافته
محمدابراهیم سماوی هاشم نیکومرام مهدی معدنچی زاج احمد یعقوب نژاد

10.30486/fbra.2022.1953468.1084

رفتار توده‌وار یا رمه‌ای یکی از مهم‌ترین سوگیری‌های رفتاری است که در بازارهای مالی وجود دارد و از عوامل شکل‌دهنده بحران‌های مالی است. با توجه به اینکه رفتار رمه‌ای به صورت مستقیم بر قیمت اثر می‌گذارد، از این رو پیش‌بینی قیمت بر اساس داده‌های قیمتی گذشته نشان از وجود رفت چکیده کامل

رفتار توده‌وار یا رمه‌ای یکی از مهم‌ترین سوگیری‌های رفتاری است که در بازارهای مالی وجود دارد و از عوامل شکل‌دهنده بحران‌های مالی است. با توجه به اینکه رفتار رمه‌ای به صورت مستقیم بر قیمت اثر می‌گذارد، از این رو پیش‌بینی قیمت بر اساس داده‌های قیمتی گذشته نشان از وجود رفتار رمه‌ای در بازار دارد. این مقاله با هدف بررسی وجود رفتار رمه‌ای در بورس اوراق بهادار تهران مدلی زمان متغیر غیرخطی نوینی به نام امتیاز خود رگرسیونی تعمیم یافته (GAS) ارائه کرده و با مدل-های غیرخطی سنتی GARCH و AR نیز قیاس شده است. در راستای پیش‌بینی بازدهی شاخص بورس اوراق بهادار تهران جهت تشخیص وجود رفتار رمه‌ای، از داده‌های قیمتی طی بازه 1390 الی 1399 استفاده شده است. توان و دقت پیش‌بینی توزیع بازدهی مدل نوین GAS با نتایج مدل‌های غیرخطی GARCH و AR در داده‌های درون و برون نمونه‌ای جهت تشخیص وجود رفتار رمه‌ای قیاس شده است. نتایج پژوهش در آزمون‌های درون و برون نمونه‌ای نشان دهنده دقت بالاتر مدل نوین GAS نسبت به مدل‌های سنتی GARCH و AR در پیش‌بینی توزیع بازدهی روزانه شاخص کل بورس اوراق بهادار تهران بوده و همچنین وجود رفتار رمه‌ای در بازار سرمایه ایران تایید شده است. پرونده مقاله

دسترسی آزاد مقاله

91 - برگی از کارنامه‌ی موشان و گربگان در ادب فارسی
زهرا دری

با توجه به سابقه کهن بیان داستان های تمثیلی از زبان حیوانات در ملل مختلف (فابل‌های ازوپ در قرن ششم قبل از میلاد، پنجاتنترای هندی، مزرعه حیوانات، کلیله و دمنه، مرزبان نامه و ...) که نسبت دادن ویژگی های انسانی به حیوانات، امری معمول بوده است. در ادب فارسی نیز از زبان حیوا چکیده کامل

با توجه به سابقه کهن بیان داستان های تمثیلی از زبان حیوانات در ملل مختلف (فابل‌های ازوپ در قرن ششم قبل از میلاد، پنجاتنترای هندی، مزرعه حیوانات، کلیله و دمنه، مرزبان نامه و ...) که نسبت دادن ویژگی های انسانی به حیوانات، امری معمول بوده است. در ادب فارسی نیز از زبان حیوانات و طنزهای ظریف و تاثیرگذار خلق کردن، غنا و تحرک و پویایی بیشتری به مباحث ادبی بخشیده است. آن ها مثل آدمیان عمل می کنند، سخن می گویند، مکر می ورزند، می جنگند، گول می خورند و ... ویژگی‌هایی که گاه نزدیک به یکدیگر و گاه تقریباً متفاوت تکرار می شوند و در نهایت وجهه نمادین می یابند. مثلاً در مثنوی، طاووس نمونه ای از مردم منافق و دو رنگ است، در منطق الطیر نمونه ی اهل ظاهر است، در سیرالعباد الی المعاد گرگ و سگ و موش و خوک، نماد حرص هستند. افعی نمادِ حسد و نهنگ نماد هوی و شهوت است و حکایت گربه و موش خود حکایت اندر خم دیگری است. گربه منافق است و مکاّر و با دست و روی شستن ادعای زهد دارد و دزدی می کند به همین سبب در روز قیامت اجر و مزدی نخواهد داشت و موش زیر بُر است و ناپاک و ... در این مقال به بررسی جایگاه فرهنگی و نقش نمادین گربه و الزاماً موش در اوراقی از متون ادبی، از جمله موش و گربه عبید زاکانی و گربه و موش شیخ بهایی، توام با دیدگاه های نقد جامعه شناسی پرداخته خواهد شد. پرونده مقاله

دسترسی آزاد مقاله

92 - Designing an Artificial Neural Network Based Model for Online Prediction of Tool Life in Turning
A. Salimiasl A. Özdemir I. Safarian

Artificial neural network is one of the most robust and reliable methods in online prediction of nonlinear incidents in machining. Tool flank wear as a tool life criterion is an important task which is needed to be predicted during machining processes to establish an on چکیده کامل

Artificial neural network is one of the most robust and reliable methods in online prediction of nonlinear incidents in machining. Tool flank wear as a tool life criterion is an important task which is needed to be predicted during machining processes to establish an online tool life estimation system.In this study, an artificial neural network model was developed to predict the tool wear and tool life in turning process. Cutting parameters and cutting forces were used as input and tool flank wear rates were regarded as target data for creating the online prediction system. SIMULINK and neural network tool boxes in MATLAB software were used for establishing a reliable online monitoring model. For generalizing the model, full factorial method was used to design the experiments. Predicted results were compared with the test results and a full confirmation of the model was reached. پرونده مقاله

دسترسی آزاد مقاله

93 - Experimental Study and Modeling of Friction Stir Welding Process of Aluminum 1100 Alloys, using Artificial Neural Network with Taguchi Method
V. Zakeri Mehrabad Ali Doniavi A. Gholipoor

In this paper, the temperature distribution in workpiece and microstructure of welded zone in friction stir welding of aluminum 1100 alloys and the effect of the tool rotational speed on these parameters have investigated experimentally. Also feed forward back propagati چکیده کامل

In this paper, the temperature distribution in workpiece and microstructure of welded zone in friction stir welding of aluminum 1100 alloys and the effect of the tool rotational speed on these parameters have investigated experimentally. Also feed forward back propagation neural network has been used to predict the temperature of the workpiece during the welding process by considering the process time and tool rotational speed as input parameters of the neural network. For this purpose, the Taguchi design of experiments has been used and the network with minimum mean squared error was selected. This way of neural network selection is very formal and effective than the existing methods. The selected network mean squared error with this approach is 0.000388, its most differences with experimental inputs is 0.770997ºC and its regression R values is 0.99113. Also according to experimental results, increasing tool rotational speed leads to higher plastic deformation in materials and also causes increasing the friction between tool and workpiece which leads to higher workpiece temperature. پرونده مقاله

دسترسی آزاد مقاله

94 - Investigation of Magnitude and Position of Maximum von Mises Stress in The Cylindrical Contact Problems
Hasan Heirani Reza Naseri

10.30486/admt.2023.1967679.1379

In the analysis of contact mechanics problems, determination of stress field in mechanical elements is essential. Between the stress components the von Mises stress is more important, because it is used in the investigation of yield criteria and fatigue fracture of elem چکیده کامل

In the analysis of contact mechanics problems, determination of stress field in mechanical elements is essential. Between the stress components the von Mises stress is more important, because it is used in the investigation of yield criteria and fatigue fracture of elements. The aim of this study is to present formulas for determining the magnitude and position of maximum von Mises stress. For this purpose, the effect of various material properties, element geometries and loading conditions on these two parameters are investigated. By applying Hertzian contact stress and von Mises relations, the magnitude and position of maximum von Mises stress are determined. The von Mises stress is assumed to be a function of material properties, geometry of the element and loading conditions and finally two formulas are presented for the calculation of the magnitude and position of maximum von Mises stress. The results of these presented formulas are in close agreement with the literature. The error is less than 1% for depth prediction and less than 6% for stress value prediction, which confirms the accuracy of the presented formulas. پرونده مقاله

دسترسی آزاد مقاله

95 - Optimal Routing of Rocket Motion using Genetic Algorithm and Particle Swarm Optimization
Reza Tarighi M.H. Kazemi mohammad hosein khalesi

10.30486/admt.2022.1947306.1327

In this paper, a new approach to the use of genetic algorithms and the predictive control method, for goal tracking is presented. A hypothetical rocket is modelled for the analyses. Rocket guidance algorithm is developed to achieve a desired mission goal according to so چکیده کامل

In this paper, a new approach to the use of genetic algorithms and the predictive control method, for goal tracking is presented. A hypothetical rocket is modelled for the analyses. Rocket guidance algorithm is developed to achieve a desired mission goal according to some performance criteria and the imposed constraints. Given that goals can be fixed or moving, we have focused and expanded on this issue in this study and also the dynamic modelling of flying objects with six-degrees-of-freedom (DOF) is used to make the design more similar to the actual model. The predictive control method is used to predict the next step of rocket and aim movement. At each step of the problem, the rocket distance to the aim is obtained, and a trajectory is predicted to move the rocket towards the purpose. The objective function of this problem, in addition to the distance from the rocket position to the target, are also parameters of the dynamic model of the rocket. Therefore, these parameters are optimized at each step of the problem solving. Ultimately, the rocket strikes the intended aim by following this optimal path. Finally, for the validation of the model, numerical results are obtained for both Genetic Algorithms (GA) and Particle Swarm Optimization (PSO). Simulation results demonstrate the effectiveness and feasibility of the proposed optimization technique. پرونده مقاله

دسترسی آزاد مقاله

96 - Analysis and Control of Chaos in Nonlinear Gear System using Predictive Sliding Mode Control
Nima Valadbeigi Seyed Mahdi Abtahi

10.30486/admt.2022.1949735.1333

This paper presents a control system for elimination of chaotic behaviors in spur gear system. To this end, at first different aspects of chaos are investigated by means of numerical tools including time series response, phase plane trajectories, bifurcation diagram, Po چکیده کامل

This paper presents a control system for elimination of chaotic behaviors in spur gear system. To this end, at first different aspects of chaos are investigated by means of numerical tools including time series response, phase plane trajectories, bifurcation diagram, Poincare’ section, Lyapunov exponent and power spectrum density. The nonlinear dynamic model encompasses constant mesh stiffness and damping along the line of action, static transmission error and backlash. In order to suppress the chaotic oscillations, a novel controller on the basis of the Predictive Sliding Mode Control (PSMC) is proposed in which the sliding surface is predicted by the use of model predictive control theory and the control input is obtained. Consequently, the control system takes advantage of the both approaches in developing a robust controller. The simulation results of the feedback system depict the effectiveness of the controller in elimination of the chaotic vibrations along with reduction of settling time, overshoots, and energy consumption. Furthermore, stability and robustness of the system are guaranteed. پرونده مقاله

دسترسی آزاد مقاله

97 - نقش راهبردهای شناختی تنظیم هیجان در پیش‌بینی افسردگی
اعظم صالحی

این پژوهش با هدف تعیین نقش راهبردهای شناختی تنظیم هیجان در پیش‌بینی علایم افسردگی انجام شده است. روش این پژوهش از نوع همبستگی است و از بین دانشجویان دانشگاه پیام‌نور اصفهان، 262 نفر از رشته‌های مختلف به روش نمونه‌گیری تصادفی چندمرحله‌ای انتخاب شدند. پرسشنامۀ راهبردهای ش چکیده کامل

این پژوهش با هدف تعیین نقش راهبردهای شناختی تنظیم هیجان در پیش‌بینی علایم افسردگی انجام شده است. روش این پژوهش از نوع همبستگی است و از بین دانشجویان دانشگاه پیام‌نور اصفهان، 262 نفر از رشته‌های مختلف به روش نمونه‌گیری تصادفی چندمرحله‌ای انتخاب شدند. پرسشنامۀ راهبردهای شناختی تنظیم هیجان (گارنفسکی و همکاران، 2002) و آزمون نشانه‌های اختلالات روانیSCL-90 (دروگاتیس و همکاران، 1973) روی گروه نمونه اجرا شد. داده‌های پژوهش با استفاده از ضریب همبستگی پیرسون و رگرسیون گام به گام تحلیل گردید. نتایج تحلیل نشان داد که از بین 9 مقیاس راهبرد تنظیم شناختی هیجان، به ترتیب؛ فاجعه‌بار خواندن، پذیرش، تمرکز مجدد بر برنامه‌ریزی و نشخوار فکری همراه با استرس اخیر بر افسردگی تأثیر داشته‌اند و پیش‌بینی‌کننده معنادار آن هستند (001/0P < ). اما راهبردهای سرزنش خود، سرزنش دیگران، بازارزیابی مثبت، تمرکز مجدد مثبت و کم‌اهمیت شماری بر افسردگی تأثیر نداشته است و از معادله حذف شدند. این نتایج رهنمودهایی به‌منظور پیشگیری از بیماری افسردگی از طریق اصلاح راهبردهای تنظیم شناختی هیجان ارائه می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

98 - پیش بینی اعتیاد به اینترنت بر پایه هوش هیجانی در دانشجویان دانشگاه اصفهان
نسیم جعفری مریم فاتحی زاده

هدف این پژوهش بررسی نقش پیش‌بینی‌کنندگی هوش هیجانی در اعتیاد به اینترنت در میان دانشجویان دانشگاه اصفهان بود. این پژوهش از نوع همبستگی چندمتغیری است. جامعۀ آماری شامل همۀ دانشجویان دانشگاه اصفهان و نمونۀ آماری 71 دانشجو (36 دختر و 35 پسر) بودند که به‌صورت تصادفی طبقه‌ چکیده کامل

هدف این پژوهش بررسی نقش پیش‌بینی‌کنندگی هوش هیجانی در اعتیاد به اینترنت در میان دانشجویان دانشگاه اصفهان بود. این پژوهش از نوع همبستگی چندمتغیری است. جامعۀ آماری شامل همۀ دانشجویان دانشگاه اصفهان و نمونۀ آماری 71 دانشجو (36 دختر و 35 پسر) بودند که به‌صورت تصادفی طبقه‌ای انتخاب شدند. ابزارهای سنجش عبارت‌اند از: پرسشنامۀ اعتیاد به اینترنت یانگ (1998) و آزمون هوش هیجانی پترایدز ـ فارنهایم (2001) . داده‌های گردآوری شده به روش‌های آماری توصیفی و استنباطی رگرسیون تجزیه و تحلیل گردید. یافته‌ها نشان داد که بین اعتیاد به اینترنت و هوش هیجانی (54/0- = r ) رابطه وجود دارد ( 001/0 P < ) و هوش هیجانی 29 درصد اعتیاد به اینترنت را پیش‌بینی می‌کند ( 001/0 P < ) . پرونده مقاله

دسترسی آزاد مقاله

99 - A Comparative Overview of Electronic Devices Reliability Prediction Methods-Applications and Trends
Frederick Ehiagwina Titus Adewunmi Emmanuel Seluwa Olufemi Kehinde Nafiu Abubakar

Reliability prediction is vital in the conception, definition, design, development, operation and maintenance phase of electronic devices. It is needed at various system levels and degrees of detail, in order to evaluate, determine and improve the dependability measure چکیده کامل

Reliability prediction is vital in the conception, definition, design, development, operation and maintenance phase of electronic devices. It is needed at various system levels and degrees of detail, in order to evaluate, determine and improve the dependability measures of an item when designing electronic devices in view of the high level competition among device manufacturers. Different reliability prediction methods or models are available for electronic devices. This paper comparatively examined the commonly used methods such as empirically based failure rate modeling methodologies used in reliability prediction handbooks, and physics of failure (PoF) based models. Three empirical approaches such as MIL-HDBK-217F – a conservative standard applicable principally to military equipment, and Bellcore TR-332/Telcordia SR-332, which are applicable to commercial devices are reviewed in closer details. Also reviewed is Recueil de Donnes de Fiabilite (RDF) 2000, used in Telecom industry. Some PoF based methods such as Arrhenius law; Eyring model, Black Model for Electromigration, and Coffin Manson Model for fatigue are also examined. Additionally, the respective merits and demerits of the prediction methods which provide the basis for use are noted. The paper also attempts to highlight future trends and challenges in RP of electronic devices. پرونده مقاله

دسترسی آزاد مقاله

100 - An Improved Decision Tree Classification Method based on Wild Horse Optimization Algorithm
raheleh sharifi Mohammadreza Ramezanpour

10.30486/mjtd.2023.1980072.1026

In this paper, an improved decision tree classification method based on wild horse optimization algorithm is proposed and then the application in customer behavior analysis is evaluated. Customer behavior is modeled in the form of time series. The proposed method includ چکیده کامل

In this paper, an improved decision tree classification method based on wild horse optimization algorithm is proposed and then the application in customer behavior analysis is evaluated. Customer behavior is modeled in the form of time series. The proposed method includes two general steps. First, the customers are classified into clusters based on the features extracted from the time series, and then the customers’ behavior is estimated based on an efficient predictive algorithm in the second step. In this paper, an improved decision tree classification based on wild horse optimization algorithm is used to predict customer behavior. The proposed method is implemented in the MATLAB software environment and its efficiency is evaluated in the Symmetric Mean Absolute Percentage Error (SMAPE) index. The experimental results show that variance, spikiness, lumpiness and entropy have a high impact intensity among the extracted features. The overall evaluation indicate that this proposed method obtains the lowest prediction error in compared to other evaluated methods. پرونده مقاله

دسترسی آزاد مقاله

101 - پیش بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیرة مارکوف-CA (مطالعة موردی: منطقه کوهمره سرخی استان فارس)
سارا عزیزی قلاتی کاظم رنگزن جواد سدیدی پیمان حیدریان ایوب تقی زاده

تغییر کاربری اراضی به عنوان عاملی پایه در تغییرات زیست محیطی عمل کرده و به یک خطر جهانی تبدیل شده است. بازبینی این تغییرات از طریق تصاویر ماهواره ای و پیش بینی و ارزیابی پتانسیل آنها از طریق مدلسازی می تواند به برنامه ریزان محیط زیست و مدیران منابع طبیعی برای تصمیمات آگ چکیده کامل

تغییر کاربری اراضی به عنوان عاملی پایه در تغییرات زیست محیطی عمل کرده و به یک خطر جهانی تبدیل شده است. بازبینی این تغییرات از طریق تصاویر ماهواره ای و پیش بینی و ارزیابی پتانسیل آنها از طریق مدلسازی می تواند به برنامه ریزان محیط زیست و مدیران منابع طبیعی برای تصمیمات آگاهانه تر کمک کند. هدف این تحقیق بازبینی، مدلسازی و پیش بینی تغییرات کاربری اراضی در دوره 25 ساله 1391-1366 توسط مدل زنجیرة مارکوف-CA (CA-Markov) در منطقه کوهمره سرخی استان فارس است. بدین منظور نقشه های کاربری اراضی با استفاده از تصاویر سنجنده +ETM و TM ماهواره لندست در سه دوره زمانی مربوط به سال های 1366، 1379 و 1391 تهیه گردید. سپس صحت سنجی نقشه ها و آشکارسازی تغییرات انجام شد. نتایج آشکارسازی تغییرات دوره اول (79- 1366) با ضریب کاپای 83% و دوره دوم (1391-1379) با ضریب کاپای 88% نشان می دهد که بیش ترین افزایش مساحت در ناحیه مرتع و بیش ترین کاهش مساحت در ناحیه جنگل رخ داده است. به منظور کالیبره کردن مدل زنجیرة مارکوف، نقشه کاربری سال 1391 پیش بینی شد و ماتریس خطای بین نقشه حاصل از مدل سازی و نقشه کاربری مرجع سال 1391، ضریب کاپای 75% بدست داد. سپس نقشه کاربری اراضی برای چشم انداز 1403 با مدل مدل زنجیرة مارکوف-CA پیش بینی گردید. نتایج نهایی حاکی از آن است که بیش ترین تغییر کاربری نسبت به سال 1391، در ناحیه جنگل بوده و به کاربری های کشاورزی آبی و مرتع تبدیل می شود که می تواند در برنامه ریزی آینده توسط مسئولان مورد استفاده قرار گیرد. پرونده مقاله

دسترسی آزاد مقاله

102 - پیش بینی تغییرات کاربری جنگل در حوزه آبخیز چالوس رود
وجیهه قربان نیا خیبری میر مهرداد میرسنجری محسن آرمین

تخریب جنگل، فرآیندهای حوزه آبخیز و چرخه های بیوشیمیایی را تحت تأثیر قرار می دهد و منجر به فرسایش خاک و کمبود آب در حوزه های آبخیز می شود. مطالعه حاضر با هدف بررسی تغییرات کاربری جنگل در حوزه آبخیز چالوس رود در غرب استان مازندران با استفاده از مدل ژئومد (Geomod) انجام چکیده کامل

تخریب جنگل، فرآیندهای حوزه آبخیز و چرخه های بیوشیمیایی را تحت تأثیر قرار می دهد و منجر به فرسایش خاک و کمبود آب در حوزه های آبخیز می شود. مطالعه حاضر با هدف بررسی تغییرات کاربری جنگل در حوزه آبخیز چالوس رود در غرب استان مازندران با استفاده از مدل ژئومد (Geomod) انجام شده است. در این تحقیق، ابتدا نقشه های کاربری جنگل در سال های 1987 و 2015 با استفاده از تصاویر ماهواره‌ای تهیه شد. سپس نقشه مطلوبیت کاربری جنگل با برقراری رابطه رگرسیونی بین نقشه معیارهای مطلوبیت و نقشه تغییرات جنگل در دوره زمانی 1987-2015 تولید شد. در نهایت با استفاده از نقشه کاربری جنگل در سال 1987، نقشه مطلوبیت جنگل و تعداد پیکسل های تغییر یافته کاربری جنگل در فاصله زمانی سال های 1987 تا 2015، پیش بینی نقشه کاربری جنگل برای سال 2043 با استفاده از ژئومد انجام شد. همچنین با استفاده از تابع Validate و نقشه کاربری جنگل طبقه بندی شده سال 2015، به عنوان نقشه مرجع، و نقشه کاربری جنگل پیش بینی شده سال 2015 به عنوان نقشه مقایس ه ای، اعتبار نقشه تولیدی ارزیابی شد. نتایج نشان داد که وسعت کاربری جنگل در سال 1987، 2015 و 2043 به ترتیب 38683/65، 24864/35 و 15227/25 هکتار است به طوری که وسعت تغییرات کاربری جنگل در 28 سال گذشته و 28 سال آینده به ترتیب 35/72 و 38/76 درصد است. تغییرات جنگل در دوره زمانی 1987 تا 2015 به ترتیب تحت تأثیر عواملی مثل فاصله از جاده، تراکم پوشش جنگل، فاصله از روستا، شیب دامنه و ارتفاع از سطح دریا است. ضرایب Pseudo R2 و منحنی راک (ROC) به ترتیب 0/29 و 0/85 است که نشان‌دهنده توانایی مناسب مدل در برآورد تغییرات جنگل در 28 سال گذشته و توافق نسبی مدل بدست آمده با تغییرات واقعی است. در این مطالعه صحت نقشه های کاربری اراضی بدست آمده حدود 96 درصد بود که قابلیت مناسب مدل ژئومد در مدل سازی تغییرات کاربری زمین در حوزه آبخیز چالوس رود را نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

103 - پایش و پیش بینی تغییرات کاربری/پوشش اراضی و ارتباط آن با خشک‌سالی (مطالعه موردی: زیر حوزه پارسل B2، حوزه آبخیز زاینده‌رود)
شاهین محمدی خلیل حبشی سعید پورمنافی

تغییرات کاربری اراضی و پوشش زمین به دلیل تأثیر بر اکوسیستم‌های طبیعی به یک نگرانی برای حافظان و مدیران منابع طبیعی تبدیل‌شده است. تحقیق حاضر باهدف پیش‌بینی تغییرات کاربری اراضی و پوشش زمین و همچنین بررسی ارتباط خشک‌سالی با این تغییرات در زیر حوزه پارسل 2B با مساحت 21100 چکیده کامل

تغییرات کاربری اراضی و پوشش زمین به دلیل تأثیر بر اکوسیستم‌های طبیعی به یک نگرانی برای حافظان و مدیران منابع طبیعی تبدیل‌شده است. تحقیق حاضر باهدف پیش‌بینی تغییرات کاربری اراضی و پوشش زمین و همچنین بررسی ارتباط خشک‌سالی با این تغییرات در زیر حوزه پارسل 2B با مساحت 21100 هکتار با استفاده از مدل زنجیره‌ای مارکوف و شاخص استانداردشده بارش (SPI) انجام شد. به این منظور با استفاده از تصاویر پیش‌پردازش شده سنجنده‌های ETM +، TM و OLIبه ترتیب برای سال‌های 1365، 1380 و 1395، نقشه کاربری اراضی و پوشش زمین به روش طبقه‌بندی نظارت‌شده حداکثر احتمال تهیه شد. به‌منظور صحت سنجی مدل زنجیره‌ای مارکوف، نقشه کاربری اراضی و پوشش زمین برای سال 1395 پیش‌بینی و با نقشه کاربری مرجع 1395 مقایسه شد، پس از اطمینان از صحت نتایج پیش‌بینی برای سال 1395 اقدام به پیش‌بینی کاربری اراضی و پوشش زمین برای سال 1410 شد. نتایج تحقیق نشان‌دهنده داد که بین تغییرات کاربری اراضی و پوشش زمین با وضعیت خشک‌سالی ارتباط وجود دارد. بر اساس یافته‌های پیش‌بینی‌شده، برای سال 1410 کشاورزی دیم به میزان 6.95 درصد افزایش و اراضی مرتعی به میزان 6.66 درصد کاهش مساحت خواهند داشت. بنابراین در صورت وقوع خشک‌سالی و رها شدن اراضی کشاورزی دیم، فرسایش خاک افزایش خواهد یافت و همچنین فشار چرا بر مراتع باقی‌مانده سبب تخریب اراضی مرتعی خواهد شد. بنابراین اگر راهبرد فعلی استفاده از زمین با مدیریت فعلی ثابت باقی بماند تخریب اراضی در منطقه اجتناب‌ناپذیر خواهد بود. پرونده مقاله

دسترسی آزاد مقاله

104 - مطالعه و پیش‌بینی تغییرات دمای سطح زمین شهر یزد: بررسی اثر مجاورت و تغییرات پوشش اراضی
محمد منصورمقدم ایمان روستا محمدصادق زمانی محمد حسین مختاری محمد کریمی فیروزجایی سید کاظم علوی پناه

10.30495/girs.2021.682083

پیشینه و هدف گسترش شهرنشینی مقیاس و شدت گسترش جزایر حرارتی در شهرها را گسترش داده است. بررسی و مطالعه نحوه تأثیرپذیری شهرها از این جزایر حرارتی نقش مهمی در آینده برنامه‌ ریزی برای شهرها ایفا می‌کند. به همین منظور، این پژوهش اثر تغییرات پوشش اراضی شهر یزد در سه دسته مناط چکیده کامل

پیشینه و هدف گسترش شهرنشینی مقیاس و شدت گسترش جزایر حرارتی در شهرها را گسترش داده است. بررسی و مطالعه نحوه تأثیرپذیری شهرها از این جزایر حرارتی نقش مهمی در آینده برنامه‌ ریزی برای شهرها ایفا می‌کند. به همین منظور، این پژوهش اثر تغییرات پوشش اراضی شهر یزد در سه دسته مناطق شهری، پوشش گیاهی و زمین‌ های بایر بر دمای سطح زمین را برای شهر یزد طی 30 سال اخیر با استفاده از تصاویر لندست 5 و 8 بررسی می‌کند. این پژوهش همچنین نسبت مجاورت پیکسل ‌های پوشش گیاهی و زمین ‌های بایر به ‌منظور بررسی نحوه تأثیرپذیری دمای سطح زمین ثبت ‌شده توسط سنجنده را در همین دوره زمانی مورد ارزیابی قرار می‌ دهد.مواد و روش ها ابتدا نقشه ‌های پوشش اراضی شهر یزد با استفاده از الگوریتم طبقه بندی نظارت‌ شده شبکه عصبی برای سال ‌های 1990، 2000، 2010 و 2020 به دست آمد. از داده‌ های زمینی، گوگل ارث و نقشه ‌های واقعیت زمینی به ‌منظور تهیه داده های تعلیمی استفاده شد. نقشه ‌های دمای سطح زمین شهر یزد از تصاویر باند حرارتی لندست 5 و 8 محاسبه شد. سپس نقشه های دمای سطح زمین به 6 کلاس دمایی موجود ازجمله؛ 16-20، 21-25، 26-30، 31-35، 36-40 و 41-46 درجه سانتی ‌گراد طبقه بندی شد که نشان داده شد که چهار کلاس انتهایی، نقش عمده ای در دمای سطح زمین این شهر طی 30 سال اخیر داشت. به ‌منظور ارزیابی اثر مجاورت کلاس های پوشش اراضی بایر و پوشش گیاهی بر دمای سطح زمین ثبت ‌شده توسط سنجنده، ابتدا نسبت مجاورت هر یک از پیکسل ها در یک پنجره (کرنل) 5×5 محاسبه شد. سپس میانگین دمای سطح زمین محاسبه شد. میانگین دمای سطح زمین بر اساس نسبت مجاورت با هریک از کلاس‌های پوشش گیاهی و زمین‌های بایر به دست آمد.نتایج و بحث بر اساس نتایج به ‌دست ‌آمده، در شهر یزد، از سال 1990 تا 2020، مساحت منطقه شهری به‌طور فزاینده ‌ای رشد داشته است. به طوری که این منطقه طی 30 سال اخیر 91.5 درصد (33.6 کیلومترمربع) رشد داشته است. زمین ‌های بایر و پوشش گیاهی اما، در این منطقه و در دوره زمانی یکسان با رشد منفی همراه بوده ‌اند. به ‌گونه‌ای که زمین ‌های بایر، از سال 1990 تا 2020، در شهر یزد، رشد -79.4 درصدی (21.3 کیلومترمربع) را تجربه کرده ‌اند که رشد شدید مناطق شهری، این رشد منفی در زمین ‌های بایر، را توجیه می‌ کند. طبقات پوشش گیاهی شهر یزد از سال 1990 تا 2020، رشد -68.5 درصدی (12.2 کیلومترمربع) را نشان داد. میانگین دمای سطح زمین این شهر طی همین دوره 30 ساله به ‌صورت مداوم افزایشی بوده است. به طوری که تا سال 2020، شهر یزد با رسیدن به میانگین 38.1 درجه سانتی‌ گراد نسبت به 29.2 درجه سانتی ‌گراد در 1990، افزایش 30.4 درصدی را در میانگین دمای سطح زمین خود تجربه کرده است. کلاس ‌های دمایی این شهر نیز در این 30 سال به سمت کلاس ‌های دمایی گرم‌ تر حرکت کرده ‌اند. به‌ گونه‌ای که عمده ‌ترین بخش مساحت‌ های دمایی سطح زمین شهر یزد، در سال 1990 در وهله نخست، در کلاس 26-30 درجه با 47 کیلومترمربع سانتی‌ گراد و در وهله دوم در کلاس 31-35 درجه با 26.4 کیلومترمربع طبقه‌ بندی می ‌شوند. این در حالی است که در سال 2000، در روندی معکوس، کلاس دمایی 35-31 درجه سانتی‌ گراد با 52.8 کیلومترمربع در وهله نخست و کلاس دمایی 26-30 درجه سانتی ‌گراد با 20 کیلومترمربع در وهله دوم قرار دارد. با یک کلاس افزایش، کلاس دمایی 36-40 درجه سانتی ‌گراد برای هردو سال 2010 و 2020 با به ترتیب 40.2 و 63 کیلومترمربع به ‌عنوان بزرگ‌ترین کلاس دمایی ثبت‌شده است. کلاس دمایی 31-35 درجه سانتی‌ گراد نیز به‌ عنوان کلاس دمایی دوم هر دو سال به ترتیب با 33.2 و 9.7 کیلومترمربع ثبت ‌شده است. تفاوت این دو سال، در رشد -70.7 درصدی (23.5 کیلومترمربع) مساحت کلاس 31-35 درجه سانتی ‌گراد و افزایش رشد 10.3 درصدی (0.8 کیلومترمربع) گرم‌ترین کلاس کل دوره آماری، 41-46 درجه سانتی ‌گراد، در سال 2020، نسبت به سال 2010 است. نتایج این مطالعه نشان داد بیشترین میانگین دمایی در تمام سال ها برای زمین‌های بایر با 37.3 درجه سانتی ‌گراد ثبت‌ شده است. همچنین همبستگی مثبت (میانگین همبستگی 0.95) بین مجاورت با پوشش اراضی بایر و میانگین دمای سطح زمین نیز نمایش داده شد. با این ‌وجود، روند شدید افزایشی مناطق شهری در کل دوره آماری (91.5 درصد با 33.6 کیلومترمربع) به‌ عنوان دومین کلاس با بیشترین میانگین دمایی پس از زمین ‌های بایر با میانگین 34.1 درجه سانتی‌گراد در مقابل روند کاهشی 79.4 درصدی (21.3 کیلومترمربع) زمین‌ های بایر موجب افزایش میانگین دمای سطح زمین طی دوره آماری 30 ساله شده است. چراکه کاهش 68.5 درصدی (12.2 کیلومترمربع) مناطق پوشش گیاهی به‌عنوان کلاس پوشش اراضی با کمترین میانگین دمای سطح زمین (32.2 درجه سانتی‌گراد) در همین دوره، اثر کاهش زمین‌های بایر را خنثی، و روند افزایش میانگین دمای سطح زمین را تشدید کرده است. این در حالی است که همبستگی منفی (میانگین همبستگی -0.97) میان نسبت مجاورت با پوشش گیاهی و میانگین دمای سطح زمین به اثبات رسید. نتایج حاصل از پیش‌بینی تغییرات پوشش زمین در سال 2030 برای شهر یزد بیانگر آن است که در روندی مشابه با دوره‌ های قبل، پوشش مناطق شهری با افزایش روبرو خواهد بود. این رشد، نسبت به سال 2020، با 1.6 درصد (1.1 کیلومترمربع) چشمگیر نخواهد بود. اما کاهش چشمگیر مناطق سبز (پوشش گیاهی) با -19.6 درصد (1.1 کیلومترمربع) در همین دوره، به همراه ناچیز بودن کاهش زمین‌های بایر (-1.8 درصد با 0.1 کیلومترمربع) سبب گرم‌تر شدن زمین، و رشد مساحت کلاس‌ های دمای سطح زمین در سال 2030 خواهد شد. بر این اساس، عمده‌ ترین مساحت کلاس دمای سطح زمین در سال 2030 برای شهر یزد، همانند سال 2020، 36-40 درجه سانتی‌گراد با 58.2 کیلومترمربع (-7.6 درصد رشد نسبت به دوره 2020) پیش‌بینی‌شده است. اما رشد فزاینده و چشمگیر گرم‌ترین کلاس دوره آمار (41-46 درجه سانتی‌گراد) با 166.3 درصد (14.3 کیلومترمربع) رشد مثبت به ‌عنوان دومین کلاس عمده دمای سطح زمین در این سال (2030)، و نیز رشد منفی و چشمگیر کلاس نسبتاً خنک‌تر 31-35 درجه سانتی‌گراد با -97.9 درصد (9.5 کیلومترمربع) در این سال بیانگر گرم‌تر شدن دمای سطح زمین در سال 2030 خواهد بود.نتیجه گیری نتایج این پژوهش نشان می دهد که در یک دوره 30 ساله در شهر یزد، کاهش پوشش گیاهی در وهله نخست، به همراه افزایش مناطق شهری در وهله دوم، سبب افزایش دمای سطح زمین شده است. بدین ترتیب، کلاس پوشش گیاهی به دلیل اثر خنک‌کننده خود به دلیل دارا بودن آب، سبب کاهش دمای سطح زمین می ‌شود. در این پژوهش نشان داده شد که با ثابت در نظر گرفتن تمام عوامل، کاهش زمین ‌های بایر به کاهش دمای سطح زمین منجر خواهد شد و همچنین افزایش مناطق شهری با ضریب تأثیر کمتر از زمین ‌های بایر، دمای سطح زمین را افزایش می ‌دهند. با این ‌حال کاهش مساحت زمین‌ های سبز (پوشش گیاهی) در سال‌ های اخیر، به همراه افزایش شدید مساحت زمین ‌های مناطق شهری موجب افزایش دمای سطح زمین در این شهر شده است. همچنین رابطه منفی بین مجاورت با پوشش گیاهی رابطه مثبت بین مجاورت با زمین‌ های بایر با میانگین دمای سطح زمین ثبت‌شده یافت شد. افزایش مجاورت با پوشش گیاهی از طریق ایجاد زمین ‌های سبز با افزایش میزان نسبت پوشش گیاهی در مجاورت پوشش ‌های مختلف و نیز کاهش مساحت زمین ‌های بایر، می‌ تواند راهکار مناسبی در مقابله با تأثیر گسترش شهرنشینی در سال‌ های اخیر بر روی دمای سطح زمین باشد. پرونده مقاله

دسترسی آزاد مقاله

105 - پایش تغییرات تالاب بختگان با استفاده از سری زمانی داده‌های ماهواره‌ای در پلتفرم گوگل ارث انجین و پیش‌بینی پارامترها با مدل Facebook’s Prophet
محسن دستاران شاهین جعفری حسین مسلمی سارا عطارچی سید کاظم علوی پناه

10.30495/girs.2022.685454

پیشینه و هدف تالاب‌ها زیستگاه پوشش گیاهی و حیاط وحش هستند و به همین دلیل دارای ارزش زیست‌محیطی بالایی می‌باشند. همچنین تالاب‌ها در هنگام وقوع حوادث ناگوار طبیعی باعث کاهش فرسایش خاک، بازیابی سفره‌های زیرزمینی و ذخیره آب حاصل از بارش می شوند و در فراهم کردن آب جهت کشاور چکیده کامل

پیشینه و هدف تالاب‌ها زیستگاه پوشش گیاهی و حیاط وحش هستند و به همین دلیل دارای ارزش زیست‌محیطی بالایی می‌باشند. همچنین تالاب‌ها در هنگام وقوع حوادث ناگوار طبیعی باعث کاهش فرسایش خاک، بازیابی سفره‌های زیرزمینی و ذخیره آب حاصل از بارش می شوند و در فراهم کردن آب جهت کشاورزی و یا استفاده دام نقش ‌دارند. این مناطق در برابر دخالت‌ها و تغییرات انسانی مانند زهکشی، گسترش شهر و توسعه زیرساخت‌ها و بهره‌برداری بیش‌ازحد از منابع آب‌های زیرزمینی آسیب‌پذیر هستند. پیش‌بینی وضعیت تالاب ها در آینده، نیازمند داشتن درک درست از سیر تحول تالاب‌ها و تعیین روند تغییرات آن‌ها است. امروزه فناوری سنجش‌ازدور برای نگاشت تالاب‌ها به‌طور گسترده ای مورداستفاده قرار می‌گیرد و توانایی آن در پایش تغییرات تالاب‌ها به دلیل وسعت متغیر و پویایی تالاب، ارزش این علم را در این زمینه دوچندان کرده است. سنجش‌ازدور با تأمین تصاویر در زمان‌های مختلف و از طریق مدل‌سازی فضایی پویا می‌تواند ابزاری مؤثر برای شبیه‌سازی و پیش‌بینی فرایندهای تخریب تالاب باشد. در این مطالعه به دلیل اهمیت بالای زیست‌محیطی و گردشگری تالاب بختگان و اثرات خشک شدن تالاب بر شرایط زیستی و سلامت افراد بومی و همچنین گردشگری منطقه به پایش تغییرات این تالاب پرداخته‌شده است و پیش‌بینی پارامترهای بارش، سطح آب‌های زیرزمینی و دما انجام‌گرفته است. برای این امر پلتفرم گوگل ارث انجین برای اخذ و پردازش تصاویر مورداستفاده قرار گرفت. پلتفرم گوگل ارث انجین پلتفرمی است که در کمترین زمان و با سرعت‌بالا می‌توان اقدام به اخذ و پردازش تصاویر کرد. بر این اساس با استفاده از پلتفرم گوگل ارث انجین تغییرات پهنه آبی دریاچه به همراه تغییرات دما، سطح آب‌های زیرزمینی و بارش استخراج و مورد پایش قرارگرفته شد. همچنین مقایسه‌ای بین این پارامترها صورت گرفت تا مشخص شود چه تغییراتی طی دو دهه در این دریاچه اتفاق افتاده است. برای پیش‌بینی پارامترها با استفاده از مدل Prophet اقدام به پیش‌بینی و تحلیل روند تغییرات شد. مهم‌ترین مزیت مدل Prophet توانایی در تبدیل داده‌های گسسته به داده‌های پیوسته است تا پیش‌بینی به بهترین شکل انجام پذیرد. این روش در شناسایی روند فصلی بودن داده‌ها به‌صورت خودکار عمل می‌کند و در صورت وجود روند تغییرات فصلی آن‌ها را نمایش می‌دهد.مواد و روش ها برای انجام پایش تالاب اقدام به اخذ تصاویر از پلتفرم گوگل ارث انجین شد. از تصاویر لندست 7 و 8 برای استخراج پهنه آبی، برای استخراج تغییرات سطح آب‌های زیرزمینی از داده‌های گریس، برای استخراج پوشش گیاهی و دمای سطح تالاب از پروداکت مادیس و برای استخراج مقادیر بارش از پروداکت تصاویر TRMM استفاده شد. برای استخراج پهنه آبی تالاب از شاخص استخراج خودکار آب (Automated water extraction index) استفاده شد. برای استخراج سطح آب‌های زیرزمینی از سنجنده گریس استفاده شد. برای به دست آوردن سری زمانی دمای سطح زمین برای منطقه موردمطالعه از پروداکت سنجنده مادیس استفاده شد. برای استخراج سری زمانی بارش، از داده‌های تجمعی ماهانه ماهواره TRMM (3B43V7) باقدرت تفکیک مکانی 25/0 درجه جغرافیایی با استفاده از گوگل ارث انجین استخراج و روند تغییرات مورد ارزیابی و تحلیل قرار گرفت. آزمون Mann-Kendall یکی از پرکاربردترین آزمون‌های غیر پارامتری برای تشخیص روند داده‌های آب و هواشناسی و زیست‌محیطی است که برای تشخیص خط روند یکنواخت به کار می‌رود، این آزمون ازآنجاکه روشی غیر پارامتری است نیازی نیست از داده‌هایی با توزیع نرمال پیروی کند. مدل پیش‌بینی Prophet، کتابخانۀ پیش‌بینی کنندۀ Prophet که توسط فیس‌بوک توسعه‌یافته است در زبان‌های برنامه‌نویسی R و Python در دسترس است. این کتابخانه از روش‌‌های (Additive model) پشتیبانی می‌کند و مقادیر گسسته را می‌تواند به‌خوبی و به‌صورت مقادیر پیوسته پیش‌بینی کند. نام این قابلیت تعطیلات است. از دیگر قابلیت‌های این کتابخانه شناسایی خودکار روند‌‌های روزانه هفتگی، فصلی و سالانه است. میانگین خطای مطلق یا به‌اختصار (MAE) به‌صورت پیش‌فرض در کتابخانه‌ی Prophet وجود دارد. این خطا معیار طبیعی‌تری از خطای متوسط را نشان می‌دهد و برخلاف خطای RMSE بدون ابهام است.نتایج و بحث در این مطالعه روند تغییرات سطح آب تالاب بختگان بین سال‌های 2000 تا 2020 با استفاده از پلتفرم گوگل ارث انجین پایش شد. همچنین با استفاده از روش پیش‌بینی Prophet که توسط فیس‌بوک توسعه و منتشرشده است، اقدام به‌پیش بینی پارامترهای موثر گردید. بررسی روند تغییرات نشان داد که سطح آب تالاب در طی دو دهه کاهش چشمگیری داشته است. در همین راستا، روند سطح آب‌های زیرزمینی، دما و بارش منطقه موردبررسی قرار گرفت. با بررسی این عوامل مشخص شد هم زمان با کاهش 58.3% سطح آب تالاب، کاهش 260% نیز در سطح آب های زیرزمینی منطقه رخ داده است. با این حال تغییرات مقدار بارش منطقه در مقایسه با پارامتر‌های دیگر کمتر بوده است و حدود 29% کاهش داشته است. این روند کاهش با استفاده از آزمون آماری من-کندال نیز اثبات شد. برای پیش‌بینی پارامترها نیز، مدل Prophet با استفاده از داده‌ای گسسته توانسته است برای 1500 روز پیش‌بینی را به‌صورت داده‌ی پیوسته انجام دهد. خروجی مدل نشان داد که برای پارامترهای بارش و سطح آب‌های زیرزمینی یک‌روند نزولی در طی 1500 روز آینده قابل پیش بینی است که این روند کاهشی برای مقادیر بارش با شدت کم اما برای سطح آب‌های زیرزمینی با شدت زیاد هست. پیش‌بینی دما نشان داد که دما دارای الگوی فصلی است و نوسان زیادی در طول یک سال دارد، اما روند سالیانه‌ی آن نشان از ثبات در سال‌های پیش رو دارد. نتایج مدل برای سطح آب تالاب نیز نشان از یک‌روند صعودی نسبتاً کم دارد که دارای احتمال تغییر ±12.5 کیلومترمربعی است. همچین خطای پارامترها در سطح معنی‌داری 95٪ دارای مقادیر قابل قبول هستند که نشان از صحت پیش‌بینی دارد. از شاخص خودکار آب به‌منظور استخراج سری زمانی پهنه آبی تالاب موردنظر استفاده شد. با استفاده از میانگین سری زمانی استخراج‌شده بیشترین و کمترین مساحت پهنه آبی تالاب به ترتیب به سال 2006 با 629.23 کیلومترمربع و سال 2014 با 156.82 کیلومترمربع تعلق دارد. سری زمانی تغییرات این تالاب نشان می‌دهد که وضعیت آب تالاب طی دو دهه سیر نزولی را طی کرده است. براساس این مطالعه می توان نتیجه گرفت که روند تغییرات سطح آب تالاب روبه کاهش بوده است. تغییرات دریاچه براساس روند تغییرات سطح آب های زیرزمینی که به صورت نزولی می باشد گویای کاهش آب منطقه است. بدلیل اینکه روند تغییرات بارش دارای یک ثباتی بوده، مدیریت نامناسب می تواند دلیلی بر کاهش سطح آب دریاچه و استفاده بی رویه از آب های زیرزمینی باعث کاهش سطح آب های زیرزمینی باشد. بدلیل همین کاهش سطح آب دریاچه، دما هم تا 3 درجه سانتی گراد کاهش داشته استنتیجه گیری بر اساس این مطالعه می‌توان نتیجه گرفت که سطح آب‌های زیرزمینی و بارش در آینده ‌روندی نزولی خواهند داشت که باعث می‌شود سطح آب تالاب - که خود دارای احتمال نوسان در آینده است - کاهش یابد و روند به‌صورت نزولی ادامه یابد. با روند پیش رو، تنها راه، برنامه‌ریزی‌های مناسب در جهت حفظ تالاب است. در صورت ادامه‌ این روند، شاهد نابودی تالاب خواهیم بود. پیشنهاد می‌شود با توجه به روند ماهانه‌ی سطح تالاب در فصل تابستان بهره‌برداری بیش‌ازحد از منابع آب‌های زیرزمینی صورت نگیرد. جهت بررسی‌های بیشتر می‌توان از پلتفرم گوگل ارث انجین بدون نیاز به اخذ تصاویر و صرف زمان و هزینه زیاد، اقدام به فراخوانی سری زمانی تصاویر کرده و پردازش‌هایی در این پلتفرم انجام داد. در بحث پیش‌بینی نیز در مطالعات آتی می‌توان از مدل Prophet به دلیل استفاده از داده‌های گسسته و درعین‌حال ارائه دقت مطلوب، استفاده کرد. پرونده مقاله

دسترسی آزاد مقاله

106 - پایش و پیش بینی روند تغییرات مکانی و زمانی کاربری/ پوشش اراضی (مطالعة موردی: منطقة مراوه‌تپه، گلستان)
اصغر فرج الهی حمیدرضا عسگری مجید اونق محمدرضا محبوبی عبدالرسول سلمان ماهینی

در این تحقیق تغییرات کاربری اراضی سال های گذشته منطقه مراوه تپه در استان گلستان و امکان پیش بینی آن در آینده با استفاده از مدل زنجیره مارکوف بررسی شده است. بدین منظور با استفاده از تصاویر سنجنده های MSS، +ETM و OLI ماهواره لندست و اطلاعات جانبی منطقه، نقشه کاربری اراضی چکیده کامل

در این تحقیق تغییرات کاربری اراضی سال های گذشته منطقه مراوه تپه در استان گلستان و امکان پیش بینی آن در آینده با استفاده از مدل زنجیره مارکوف بررسی شده است. بدین منظور با استفاده از تصاویر سنجنده های MSS، +ETM و OLI ماهواره لندست و اطلاعات جانبی منطقه، نقشه کاربری اراضی سال های 1365، 1379 و 1393 تهیه شد و نقشه کاربری اراضی سال 1407 پیش بینی گردید. با توجه به نتایج این تحقیق، مساحت جنگل متراکم در طی دوره های مورد مطالعه و با گذر زمان کاهش یافته، اما مساحت اراضی کشاورزی با گذر زمان افزایش یافته است. در این منطقه مساحت مرتع متراکم در طی دورة (1365-1379) کاهش یافته است. نرخ افزایش سالیانه اراضی کشاورزی در طی دورة (1365-1379) برابر 45/113 هکتار و در طی دورة (1379-1393) نرخ افزایش برابر با 27/91 هکتار در سال بوده است. نتایج حاصل از پیش بینی تغییرات در فاصله زمانی 1393-1407، نشان داد که طی این دوره احتمال می رود مساحت کاربری های جنگل نیمه متراکم و مرتع متراکم کاهش یابد و مساحت سایر کاربری ها با توجه به نتایج پیش بینی مدل افزایش یابد. در این میان بیشترین افزایش مربوط به کاربری کشاورزی با روند 89/25 هکتار در سال است. با توجه به یافته های تحقیق، تغییرات کاربری اراضی در جهت تخریب عرصه های منابع طبیعی بوده است. هرچند در سال های اخیر اقدامات مؤثری در جهت حفاظت این عرصه ها صورت گرفته است، اما همچنان توجه و حفاظت بیشتر منابع طبیعی و محیط زیست در منطقه مراوه‌تپه امری ضروری می باشد. پرونده مقاله

دسترسی آزاد مقاله

107 - کاربرد آمار مکانی در پهنه بندی و تحلیل فضایی سرعت صوت در خلیج فارس
مهیار مجیدی نیک حامد دلدار

هدف از این تحقیق، یافتن توزیع سرعت صوت تحت تاثیر پارامترهای فیزیکی آب، کاربرد روش های نوین زمین آمار برای پیش‌بینی فضایی در اقیانوس شناسی، پیش بینی میزان پارامترهای فوق برای کل منطقه خلیج فارس و پهنه‌بندی سرعت صوت، بوده است. در این تحقیق، سرعت صوت با استفاده از فرمول چن چکیده کامل

هدف از این تحقیق، یافتن توزیع سرعت صوت تحت تاثیر پارامترهای فیزیکی آب، کاربرد روش های نوین زمین آمار برای پیش‌بینی فضایی در اقیانوس شناسی، پیش بینی میزان پارامترهای فوق برای کل منطقه خلیج فارس و پهنه‌بندی سرعت صوت، بوده است. در این تحقیق، سرعت صوت با استفاده از فرمول چن- میلرو و داده های فشار، شوری و دما محاسبه گردید. داده های مورد استفاده با مش بندی منظم و فواصل 25/0 درجه از اطلس اقیانوسی جهانی 2013 استخراج شد. جهت پهنه بندی سرعت صوت در لایه های مختلف خلیج فارس سه روش کریجینگ، کوکریجینگ و عکس فاصلة موزون با یکدیگر مقایسه و در نهایت با بهترین روش به پیش بینی و تهیه نقشه های پهنه بندی سرعت صوت پرداخته شد. نتایج حاکی از کمتر بودن خطاهای برآورد ریشه دوم میانگین مربع خطا و میانگین خطای مطلق در روش کوکریجینگ نسبت به دیگر روش ها است. آزمون همبستگی پیرسون بین سرعت صوت و متغیرهای مستقل اجرا و بیشترین همبستگی مشاهده شده بین دما و سرعت صوت است. به همین جهت پارامتر دما به عنوان متغیر کمکی در روش کوکریجینگ برای پهنه‌بندی سرعت صوت در نظر گرفته شد. نتایج اعتبارسنجی متقابل نشان دهندة پیش بینی بهتر مدل در فصل سرد در مقایسه با فصل گرم منطقه می باشد. نتایج پهنه بندی نشان داده است که با حرکت از سمت تنگة هرمز به سمت شمال غرب خلیج، سرعت صوت در تمامی لایه ها در حدود m/s20 کاهش یافته است. همچنین همواره بیشترین مقادیر سرعت صوت در مناطق کم عمق جنوبی و بعلت افزایش شوری اتفاق افتاده است. در تمامی ایستگاه های بررسی شده سرعت صوت با افزایش عمق به علت کاهش دما، کاهش می‌یابد و کانال صوتی مشاهده نمی‌شود. پرونده مقاله

دسترسی آزاد مقاله

108 - مدل سازی تغییرات پوشش اراضی با استفاده از شبکه عصبی مصنوعی و زنجیرة مارکف (مطالعة موردی: سواحل میانی استان بوشهر)
مهدی غلامعلی فرد محسن میرزایی شریف جورابیان شوشتری

اراضی ساحلی استان بوشهر به علت موقعیت ویژه در صادرات و واردات دریایی، وجود ذخایر نفت و گاز، کشاورزی، وجود نیروگاه هسته‌ای، شرایط مناسب صید و صیادی و جاذبه های گردشگری از اهمیت راهبردی و اقتصادی بالایی برخوردار است. از این رو می بایست از روش های نوین جهت پایش و مدل سازی چکیده کامل

اراضی ساحلی استان بوشهر به علت موقعیت ویژه در صادرات و واردات دریایی، وجود ذخایر نفت و گاز، کشاورزی، وجود نیروگاه هسته‌ای، شرایط مناسب صید و صیادی و جاذبه های گردشگری از اهمیت راهبردی و اقتصادی بالایی برخوردار است. از این رو می بایست از روش های نوین جهت پایش و مدل سازی تغییرات در این مناطق استفاده نمود. هدف از این مطالعه، پایش و مدل سازی تغییرات کاربری اراضی در یک دوره 23 ساله (1367-1390) با استفاده از شبکه عصبی مصنوعی و زنجیره مارکف در محیط اکستنشن مدل ساز تغییرات اراضی (LCM) می باشد. بدین منظور از هفت متغیر، سه زیرمدل و دوره واسنجی 1379-1384 جهت مدل سازی تغییرات کاربری اراضی سال 1390 استفاده گردید. پس از ارزیابی صحت مدل با استفاده از آماره کاپا، نقشه پوشش اراضی سال 1395 با استفاده از دوره واسنجی 1390-1384 پیش بینی شد. نتایج نشان داد که در طول دوره مطالعه، تغییرات شدید از اراضی باز به اراضی کشاورزی و رهاسازی زمین های کشاورزی در منطقه مشاهده گردید. از سال 1367 تا 1384 به میزان 76/19715 هکتار به وسعت اراضی کشاورزی افزوده شده و بین سال های 1384 تا 1390 تنها 48/14% از کاربری کشاورزی بدون تغییر مانده است و وسعت زیادی از کشاورزی رهاسازی شده است. از دیگر نتایج این تحقیقی توسعه زیاد کاربری شهری (33/17760 هکتار) است. در این مطالعه LCM توانست 76/0 از تغییرات را بدرستی پیش بینی نماید. به طوری که در سال 1395 به میزان 12000 هکتار افزایش وسعت در توسعه شهری منطقه پیش بینی شده است. پرونده مقاله

دسترسی آزاد مقاله

109 - پایش، ارزیابی و پیش بینی روند تغییرات مکانی کاربری اراضی/پوشش زمین با استفاده از مدل زنجیره ای مارکوف (مطالعه موردی: دشت بسطاق- خراسان جنوبی)
کامران کریمی چوقی بایرام کمکی

پایش و مدیریت بهینه منابع طبیعی نیازمند اطلاعات به هنگام و صحیح است. در این راستا نقشه های کاربری/ پوشش زمین یکی از مهم ترین منابع اطلاعاتی در مدیریت منابع طبیعی محسوب می شود. مدیریت بهینه منابع نیازمند بررسی، شناخت تغییرات و تخریب های منابع در گذشته و برنامه ریزی صحیح چکیده کامل

پایش و مدیریت بهینه منابع طبیعی نیازمند اطلاعات به هنگام و صحیح است. در این راستا نقشه های کاربری/ پوشش زمین یکی از مهم ترین منابع اطلاعاتی در مدیریت منابع طبیعی محسوب می شود. مدیریت بهینه منابع نیازمند بررسی، شناخت تغییرات و تخریب های منابع در گذشته و برنامه ریزی صحیح و اصولی به منظور کنترل و مهار تخریبات احتمالی حادث شده در آینده می باشد. یکی از روش های کارآمد جهت پیش بینی تغییرات پوشش و کاربری اراضی مدل زنجیره ای مارکوف است. در این مطالعه تغییرات پوشش اراضی طی سال های گذشته و امکان پیش بینی آن در آینده با استفاده از مدل زنجیرۀ مارکوف در دشت بسطاق بررسی شده است. بدین منظور با استفاده از تصاویر سنجنده های MSS (1366)، ETM+ (1381) و OLI (1393) و اطلاعات جانبی منطقه، تغییرکاربری اراضی تهیه و نقشه کاربری اراضی سال 1403 پیش بینی گردید. تعیین نقشه های کاربری پس از انجام تصحیحات بر روی تصاویر ماهواره ای، تعیین نمونه های آموزشی و ارزیابی دقت طبقه بندی ها با استفاده از ضریب کاپا صورت گرفت. نتایج نشان می دهد که طبقه فاقد پوشش/ بایر و مرتع، پویاترین کاربری های موجود در منطقه بوده که درصد مساحت این اراضی طی 1366 تا 1393 به ترتیب برابر 64/21% (افزایشی) و 14/31% (کاهشی) بوده که بیانگر تخریب کلی و جایگزینی کاربری های ضعیف تر در منطقه است. نتایج حاصل از پیش بینی تغییرات در فاصلة زمانی 1403-1393، نشان داد که طی این دوره احتمال می رود 98% اراضی مسکونی، 88% اراضی فاقد پوشش، 77% اراضی شور، 45% اراضی مرتعی و، 37% کشاورزی بدون تغییر باقی خواهند ماند. همچنین تبدیل کاربری مرتع به اراضی فاقد پوشش بالاترین (94/41%) و تبدیل اراضی فاقد پوشش به اراضی مسکونی (02/0%)، مرتع به اراضی مسکونی (03/0%)، دارای کم ترین احتمال تبدیل هستند. نقشه پیش بینی حاصله از مدل زنجیره مارکوف برای ارائه دیدی کلی به منظور مدیریت بهتر منابع طبیعی بسیار حائز اهمیت است. پرونده مقاله

دسترسی آزاد مقاله

110 - مقایسه روش ماشین بردار پشتیبان خطی و غیرخطی با رگرسیون خطی جهت پیش‌بینی کوتاه‌مدت پارامتر طول صف و حجم ورودی رویکرد تقاطع جهت کنترل تطبیقی چراغ‌‌‌های راهنمایی منفرد
محمد علی کوشان مقدم مهدی فلاح تفتی

این مطالعه به منظور توسعه سیستم‌‌‌های کنترل چراغ راهنمایی با رویکرد تطبیقی جهت کنترل بهتر ترافیک در تقاطعات صورت گرفته است. در این رویکرد اگر از داده‌های پیش‌بینی شده مربوط به سیکل‌های آینده به منظور بهینه‌سازی زمانبندی استفاده گردد، باعث کنترل ترافیک در موارد پیش‌بینی چکیده کامل

این مطالعه به منظور توسعه سیستم‌‌‌های کنترل چراغ راهنمایی با رویکرد تطبیقی جهت کنترل بهتر ترافیک در تقاطعات صورت گرفته است. در این رویکرد اگر از داده‌های پیش‌بینی شده مربوط به سیکل‌های آینده به منظور بهینه‌سازی زمانبندی استفاده گردد، باعث کنترل ترافیک در موارد پیش‌بینی نشده و مدیریت آن قبل از رسیدن به سیکل مورد نظر می‌شود. در این راستا از روش رگرسیون بردار پشتیبان به صورت خطی و غیرخطی برای پیش‌بینی پارامتر طول صف و حجم ورودی به یک رویکرد به عنوان دو متغیر اصلی مورد نیاز در فرآیند کنترل تطبیقی استفاده شد. برای داشتن داده کافی جهت ایجاد چنین مدلی به آماربرداری از دو تقاطع شهر یزد و شبیه‌سازی آن‌‌ها در نرم‌افزار شبیه‌ساز ایمسان پرداخته شد. سپس این تقاطع‌‌ها برای شرایط موجود کالیبره و اعتبارسنجی گردیدند. نتایج دقت پیش‌بینی به روش‌‌‌های پیشنهادی استخراج شده و با روش رگرسیون خطی مقایسه گردید. نتایج نشان دادند که رگرسیون بردار پشتیبان به صورت غیرخطی دارای عملکرد بهتری نسبت به هر دوی مدل پیشنهادی در حالت خطی و رگرسیون خطی است. دو روش رگرسیون بردار پشتیبان به صورت خطی و رگرسیون خطی عملکردی مشابه نشان دادند. پرونده مقاله

دسترسی آزاد مقاله

111 - ارائه یک معیار مشابهت جهت پیش‌بینی پیوند در شبکه‌های اجتماعی
علی سرآبادانی خیرالله رهسپارفرد سید مرتضی پورنقی

یک شبکه اجتماعی، ساختاری متشکل از افراد یا سازمان‌ها است. تحلیل شبکه‌‌های اجتماعی، مبتنی بر رویکردی است که در آن شبکه را به صورت مجموعه‌ای از گره‌ها و روابط میان آن‌ها درنظر می‌گیرد. گره‌ها شامل اشخاص و موجودیت‌های درون شبکه هستند که با یکدیگر در تعامل ند و در واقع بازی چکیده کامل

یک شبکه اجتماعی، ساختاری متشکل از افراد یا سازمان‌ها است. تحلیل شبکه‌‌های اجتماعی، مبتنی بر رویکردی است که در آن شبکه را به صورت مجموعه‌ای از گره‌ها و روابط میان آن‌ها درنظر می‌گیرد. گره‌ها شامل اشخاص و موجودیت‌های درون شبکه هستند که با یکدیگر در تعامل ند و در واقع بازیگران درون شبکه محسوب می‌شوند که روابط میان آن‌ها به صورت اتصالاتی بین گره‌ها نمایش داده می‌شود. باتوجه به تعداد رو به‌ رشد کاربران شبکه‌های اجتماعی، تحلیل روابط حاکم بر آن، پیش‌بینی پیوند‌ها و تعامل‌های ناشی از ارتباط میان گره‌ها (پیش‌بینی لینک یا پیوند، یعنی پیش‌بینی تعامل جدیدی که قرار است در آینده رخ دهد) از چالش‌های جدی در شبکه‌های اجتماعی می باشد. ما در این مقاله یک معیار شباهت جدید برای پیش‌بینی لینک در شبکه‌های اجتماعی را پیشنهاد می‌دهیم. این معیار را با چهار روش پیش‌بینی لینک Jaccard، Salton Index، Salton Cosine و Resource Allocation مقایسه می‌کنیم. ما شبیه‌سازی معیار پیشنهادی خود را بر روی پنج مجموعه داده در شبکه‌های اجتماعی، انجام می‌دهیم. نتایج شبیه‌سازی نشان می‌دهد که معیار پیشنهادی ما عملکرد بهتری نسبت به سایر روش‌های پیش‌بینی پیوند در شبکه‌های اجتماعی برروی همه دیتاست‌ها را دارد. تجزیه و تحلیل شبکه های اجتماعی به دلیل کاربرد گسترده آن در ثبت تعاملات اجتماعی اخیراً توجه بسیاری را در بین محققان به خود جلب کرده است. پیش‌بینی پیوند، مربوط به احتمال وجود پیوند بین دو گره شبکه که متصل نیستند، یک مشکل کلیدی در تحلیل شبکه‌های اجتماعی است. روش های زیادی برای حل مشکل پیشنهاد شده است. در میان این روش‌ها، روش‌های مبتنی بر شباهت با درنظرگرفتن ساختار شبکه و استفاده به عنوان معیاری اساسی از تعداد همسایه‌های مشترک بین دو گره برای ایجاد شباهت ساختاری، کارایی خوبی از خود نشان می‌دهند. پرونده مقاله

دسترسی آزاد مقاله

112 - طراحی سیستم پیش بینی آگاهانه مبتنی بر سواد آینده: برساخت گرایی اجتماعی در ورزش همگانی
جواد شهولی کوه شوری حدیثه بهرامی

10.30486/4s.2022.1952147.1021

هدف: سواد آینده یا آینده‌ها، گمشده ارزشمند مطالعات آینده‌پژوهی در ورزش است. از این رو هدف مطالعۀ حاضر، طراحی یک سیستم کلی پیش‌بینی آگاهانه مبتنی بر سواد آینده است که در این مطالعه به طور خاص بر روی ورزش همگانی آزمایش گردید.روش‌شناسی: این پژوهش کیفی که ماهیتی اکتشافی- بن چکیده کامل

هدف: سواد آینده یا آینده‌ها، گمشده ارزشمند مطالعات آینده‌پژوهی در ورزش است. از این رو هدف مطالعۀ حاضر، طراحی یک سیستم کلی پیش‌بینی آگاهانه مبتنی بر سواد آینده است که در این مطالعه به طور خاص بر روی ورزش همگانی آزمایش گردید.روش‌شناسی: این پژوهش کیفی که ماهیتی اکتشافی- بنیادی دارد، با تمرکز بر برساخت‌گرایی اجتماعی و با استفاده از رویکرد ساختگرای نظریۀ مبنایی، نظریه‌ای با برد کوتاه در پیش‌بینی آگاهانه مبتنی بر سواد آینده ارائه می‌دهد. داده‌های پژوهش از طریق نمونه‌گیری هدفمند با تکنیک گلوله برفی و بر اساس مصاحبه‌های عمیق نیمه ساختاریافته با خبرگان حوزه آینده‌پژوهی و مدیریت ورزشی جمع‌آوری شد. شمار مشارکت‌کنندگان در پژوهش با استفاده از شاخص اشباع نظری به 14 نفر رسید. یافته‌ها: در این مطالعه، مدلی چند بخشی، متشکل از مولفه‌های اصلی فرآیندهای پشتیبان، فرآیند‌های اصلی، تصاویر آینده، سواد آینده و رویکردها به دست آمد. در این مدل مشخص شد که سواد آینده که خود به معنی رمزگذاری و رمزگشایی تصاویر آینده است، می‌تواند با استفاده از پتاسنیل‌های زمان حال و فرآیندهای موجود، پیش‌بینی آگاهانه‌ای نسبت به آینده مورد نظر ورزش همگانی داشته باشد.نتیجه‌گیری: سیستم موجود، فراسوی دیدگاه‌های مرسوم در آینده پژوهی، می‌تواند نقطه آغازی برای مدلسازی پیش‌بینی‌های آگاهانه در ورزش باشد. پرونده مقاله

دسترسی آزاد مقاله

113 - Fatigue Life Prediction of Rivet Joints
M. M Amiri

10.22034/jsm.2019.1867882.1436

Strength reduction in structures like an aircraft could be resulted as cyclic loads over a period of time and is an important factor for structural life prediction. Service loads are emphasized at the regions of stress concentration, mostly at the connection of componen چکیده کامل

Strength reduction in structures like an aircraft could be resulted as cyclic loads over a period of time and is an important factor for structural life prediction. Service loads are emphasized at the regions of stress concentration, mostly at the connection of components. The initial flaw prompting the service life was expected by using the Equivalent Initial Flaw Size (EIFS) which has been recognized as a powerful design tool for life prediction of engineering structures. This method was introduced 30 years ago in an attempt to study the initial quality of structural details. In this paper, the prediction of life based on failure mechanics in a riveted joint has been addressed through the concept of EIFS. For estimation of initial crack length by EIFS, extrapolation method has been used. The EIFS value is estimated using the coefficient of cyclic intensity (ΔK) and using the cyclic integral (ΔJ), and the results are compared with each other. The simulation results show that the if the coefficient of tension been used in EIFS estimation, which based on the Paris law, the EIFS value will be dependent on the loading domain, while the use of the J-Cyclic integral in the EIFS decrease its dependence on the load domain dramatically. پرونده مقاله

دسترسی آزاد مقاله

114 - Creep Life Forecasting of Weldment
J Jelwan M Chowdhry G Pearce

One of the yet unresolved engineering problems is forecasting the creep lives of weldment in a pragmatic way with sufficient accuracy. There are number of obstacles to circumvent including: complex material behavior, lack of accurate knowledge about the creep material b چکیده کامل

One of the yet unresolved engineering problems is forecasting the creep lives of weldment in a pragmatic way with sufficient accuracy. There are number of obstacles to circumvent including: complex material behavior, lack of accurate knowledge about the creep material behavior specially about the heat affected zones (HAZ),accurate and multi-axial creep damage models, etc. In general, creep life forecasting may be categorized into two groups, viz., those that are based on microscopic modeling and others that are based on macroscopic (phemenological) concepts. Many different micro-structural processes may cause creep damage .The micro-structural processes highlight the fact that the creep damages can be due to cavity nucleation and growth. Dislocation creep is another mechanism with micro-structural features such as sub-grain formation and growth, new phase formation, such as the Z phase, coarsening leading to the dissolution of the MX phase. This leads to the removal of pinning precipitates, which allow local heterogeneous sub-grain growth, weakening due to this growth and also to the dissolution of the MX. These features normally lead to the earlier formation of tertiary creep and reduced life. Considering welded joints ,the development of models for practical yet sufficiently accurate creep life forecasting based on micro-structural modeling becomes even more complicated due to variation of material in the base, weld and heat-affected-zone (HAZ) and variation of the micro-structure within HAZ and their interactions. So far, and until this date, none of the micro-structural models can forecast the creep life of industrial components with sufficient accuracy in an economic manner. There are several macroscopic (phemenological) models for creep life forecasting, including: time-fraction rule, strain-fraction rule, the reference stress and skeletal stress method, continuum damage model, etc. Each of which has their own limitations .This paper gauges to a multi-axial yet pragmatic and simple model for creep life forecasting weldment operating at high temperature and subjected to an elastic-plastic-creep deformation. پرونده مقاله

دسترسی آزاد مقاله

115 - مروری بر مدل های تداخل علف های هرز
رحمان خاکزاد مصطفی اویسی رضا دیهیم فرد

علف های هرز به دلیل ماهیت پویا و انعطاف پذیرشان، معضلی همیشگی در تولید محصولات کشاورزی هستند. مدل های ریاضی ابزاری قابل توجه برای درک و پیش بینی تلفات عملکرد محصول ناشی از تداخل علف هرز-گیاه زراعی ارائه می دهند. مدل های رقابت علف هرز-گیاه زراعی به آگاهاندن تصمیمات مدیری چکیده کامل

علف های هرز به دلیل ماهیت پویا و انعطاف پذیرشان، معضلی همیشگی در تولید محصولات کشاورزی هستند. مدل های ریاضی ابزاری قابل توجه برای درک و پیش بینی تلفات عملکرد محصول ناشی از تداخل علف هرز-گیاه زراعی ارائه می دهند. مدل های رقابت علف هرز-گیاه زراعی به آگاهاندن تصمیمات مدیریتی علف های هرز هم به صورت کوتاه مدت برای مقابله با جمعیت علف های هرز موجود و هم در دراز مدت برای برنامه ریزی استراتژیهای مدیریت پایدار علف های هرز کمک می کنند. بیشتر مطالعات مربوط به رقابت مبتنی بر مدل های تجربی هستند. توابع تجربی متداول ترین مدل هایی هستند که اطلاعاتی را برای مقادیر آستانه علف های هرز ارائه می دهند. محدودیت چنین مدل هایی این است که آنها بر مبنای توابع آماری هستند و معمولا بینش های بیولوژیکی را برای تداخل گیاه زراعی-علف هرز در نظر نمی گیرند. رقابت علف هرز-گیاه زراعی یک پدیده پیچیده است و برای درک این (پدیده)، یک مدل مکانیستیکی دقیق بینش بهتری نسبت به یک مدل تجربی ارائه می دهد. مدل های مکانیستیکی یا توضیحی تمام فرایندها یا مکانیسم های اساسی و وابستگی آنها به یکدیگر را با توجه به زمان و محرک های خارجی در نظر می گیرند. مدل های رقابت را می توان در چارچوبی از یک سیستم پشتیبانی تصمیم گیری ادغام کرد. در این بررسی، ما مدل های تجربی و مکانیستیکی را که در حال حاضر برای مطالعه تداخل گیاه زراعی-علف هرز استفاده می شوند، ارائه می دهیم. پرونده مقاله

دسترسی آزاد مقاله

116 - Multiple solutions of the nonlinear reaction-di usion model with fractional reaction
H. Vosoughi E. Shivanian M. Anbarloei

The purpose of this letter is to revisit the nonlinear reaction-diusion modelin porous catalysts when reaction term is fractional function of the concen-tration distribution of the reactant. This model, which originates also in uidand solute transport in soft tissues a چکیده کامل

The purpose of this letter is to revisit the nonlinear reaction-diusion modelin porous catalysts when reaction term is fractional function of the concen-tration distribution of the reactant. This model, which originates also in uidand solute transport in soft tissues and microvessels, has been recently givenanalytical solution in terms of Taylors series for dierent family of reactionterms. We apply the method so-called predictor homotopy analysis method(PHAM) which has been recently proposed to predict multiplicity of solutionsof nonlinear BVPs. Consequently, it is indicated that the problem for somevalues of the parameter admits multiple solutions. Also, error analysis of thesesolutions are given graphically. پرونده مقاله

دسترسی آزاد مقاله

117 - Investigating the effect of rounding and revision in predicting earnings per share on investors' attention
Ayat Bijani Iraj Nouri

10.22034/amfa.2019.545146.1079

Because in the theory of economics, the value of a company is based on the current value of future cash flows and profit is used as a substitute for cash flows, profit forecasting is of particular importance. In the research, the effect of rounding and revision in predi چکیده کامل

Because in the theory of economics, the value of a company is based on the current value of future cash flows and profit is used as a substitute for cash flows, profit forecasting is of particular importance. In the research, the effect of rounding and revision in predicting earnings per share on the investors' attention in Iran has been investigated. After designing the investors' attention assessment indexes, the transaction information was collected from the Stock Exchange in the five-year period of 2011-2015. The statistical sample consists of 120 companies selected by systematic elimination method and totally obtained 600 year-firm. In this research, linear regression and correlation were used to investigate the hypotheses of the research and Eviews software was used to analyze the data and test the hypotheses. What can be said in the summing up and conclusion of the test of research hypotheses is that predicting the earning per share influences investors 'attention, as well as the revision of the earnings per share influences the investors' attention. On the other hand, research studies show that the rounding in interaction with the revision in predicting earnings per share can also affect the investors' attention. پرونده مقاله

دسترسی آزاد مقاله

118 - Improved NARX-ANFIS Network structure with Genetic Algorithm to optimizing Cash Flow of ATM Model
Neda kiani Ghasem Tohidi Shabnam Razavyan Nosratallah Shadnoosh Masood Sanei

10.22034/amfa.2020.1882625.1327

Nowadays, the rapid growth of data in organizations has caused managers to look for a way to analyze them. Extracting useful knowledge from aggregation data can lead to appropriate strategic decision-making for the organization. This paper suggests an application of hyb چکیده کامل

Nowadays, the rapid growth of data in organizations has caused managers to look for a way to analyze them. Extracting useful knowledge from aggregation data can lead to appropriate strategic decision-making for the organization. This paper suggests an application of hybrid network based on amount month demand in every ATM device based on transaction mean of 9 months for 1377 devices to obtain customer behavior patterns, to do so, first designed a basic model based on an auto-regressive with exogenous input network (NARX) then, the optimization of the weight and bias of the designed network is made by the genetic algorithm (GA). As a result, finding the weights of the network represents a nonlinear optimization problem that is solved by the genetic algorithm. Paper results show that the NARX-ANFIS Hybrid network using GA for the learning of rules and to optimize the network weights and weights of the network and the fixed threshold can improve the accuracy of the prediction model. Also, classic models are more efficient and increased benefits and lower financing costs and more rational inventory cash control. As well, the designed model can lead to increase benefits and decrease costs in the bank so that, exact forecast and optimal cash upload in ATMs will lead to increase funds on the bank and rise customers and popularity the brand of the bank. پرونده مقاله

دسترسی آزاد مقاله

119 - Prediction the Return Fluctuations with Artificial Neural Networks' Approach
Masoud Taherinia Mohsen Rashidi Baghi

10.22034/amfa.2019.580643.1149

Time changes of return, inefficiency studies performed and presence of effective factors on share return rate are caused development modern and intelligent methods in estimation and evaluation of share return in stock companies. Aim of this research is prediction of ret چکیده کامل

Time changes of return, inefficiency studies performed and presence of effective factors on share return rate are caused development modern and intelligent methods in estimation and evaluation of share return in stock companies. Aim of this research is prediction of return using financial variables with artificial neural network approach. Therefore, the statistical population of this study includes 120 listed companies in Tehran stock securities during 2005 to 2017. Independent variables in this research are market variables (Earning quality, free cash flow) and dependent variable is share return. The obtained outputs from estimation of the artificial neural networks and results obtained from estimation, using of this method with evaluation scales concerning random amount and comparing it with adjusted R, we found that there is meaningful relation between the associated variables and return. However, such network has the least error than other networks. پرونده مقاله

دسترسی آزاد مقاله

120 - The Role of Earnings Management in Theoretical Development and Improving the Efficiency of Accounting-Based Financial Distress Prediction Models
Abbas Ramezanzadeh Zeidi Khosro Faghani Makarani Ali Jafari

10.22034/amfa.2019.1879394.1300

Examining the theoretical foundations of earnings management shows that companies have stronger incentive to use earnings management at the pre-bankruptcy stage. Consequently, accounting-based determinants retrieved from financial statements may be biased factors for fi چکیده کامل

Examining the theoretical foundations of earnings management shows that companies have stronger incentive to use earnings management at the pre-bankruptcy stage. Consequently, accounting-based determinants retrieved from financial statements may be biased factors for financial distress. In this paper, we investigate whether taking into account real earnings management improves specification of accounting-based financial distress prediction models. We test whether the inclusion of such attributes in bankruptcy prediction models improves their predictive ability. We use a sample of listed manufacturing companies in the Iran Stock Exchange during 2008 - 2017. Our findings suggest that the inclusion of earnings management significantly increases the predictive ability of accounting-based financial distress prediction models. Our results show that the real earnings management can provide predictive signals concerning a financial distress and that an abnormal cash flow which proxies for real earnings management can play a relevant role in early warnings of financial distress. These results are of interest to market participants, auditors, regulating authorities, banks and other financial institutions that are interested in financial distress assessment پرونده مقاله

دسترسی آزاد مقاله

121 - Modelling Crowdfunding Ensemble Learning Prediction
Mehran Saeidi Aghdam Akbar Alam Tabriz Alireza Bahiraie Ahmad Sadeghi

10.22034/amfa.2020.1905837.1467

Crowdfunding is a new technology-enabled innovative process that is changing the capital market space. Internet-based applications, particularly those related to Web 2.0, have had a significant impact on sectors of society such as education, business, and medicine. The چکیده کامل

Crowdfunding is a new technology-enabled innovative process that is changing the capital market space. Internet-based applications, particularly those related to Web 2.0, have had a significant impact on sectors of society such as education, business, and medicine. The goal of this research is to fill a gap in the literature on mathematical modelling and prediction of ensemble learning in order to evaluate crowdfunding projects. The Mathematical model determines the cost of funding for the entrepreneur and the return investors will receive per period. A correct financial model is essential in order to keep all three stakeholders involved in the long term. The results show the designed model improved performance in predicting the evaluation of success or failure of Crowdfunding projects. پرونده مقاله

دسترسی آزاد مقاله

122 - Predicting Stock Price Crash Risk with a Deep Learning Approach from Artificial Intelligence and Comparing its Efficiency with Classical Predicting Methods.
Meysam Rahmati Ehsan Taieby Sani

10.22034/amfa.2023.1973199.1826

Purpose of this research is Predicting Stock Price Crash Risk with a Deep Learning Approach from Artificial Intelligence and Comparing its Efficiency with Classical Predicting Methods. This research is post-event correlation type and practical in terms of purpose. The r چکیده کامل

Purpose of this research is Predicting Stock Price Crash Risk with a Deep Learning Approach from Artificial Intelligence and Comparing its Efficiency with Classical Predicting Methods. This research is post-event correlation type and practical in terms of purpose. The research data were extracted from the website of the Stock Exchange Organization and Codal website. The risk variable of crashing stock prices was introduced as a predictor. 3200 obser-vations were obtained from 10-year data of 320 companies between 2012 and 2021. In the following, 29 variables were identified as variables that can affect the risk of crashing stock prices. Statistical methods such as unit root test, composite data, Hausman test and variance heterogeneity test were used. Next, the top 10 algorithms in the field of deep learning were selected and used to model the mentioned variables with the CNN method. Python, Eviews and Excel software were used in this research. Examining the performance of different deep learning algorithms shows that the convolutional neural network method performs better compared to other algorithms and can improve the prediction accuracy. Therefore, it is suggested to use this algorithm in reviewing econometric data and especially predicting the risk of crashing stock prices. پرونده مقاله

دسترسی آزاد مقاله

123 - Experimental Comparison of Financial Distress Prediction Models Using Imbalanced data sets
Seyed Behrooz Razavi Ghomi Alireza Mehrazin Mohammad Reza Shoorvarzi Abolghasem Masih Abadi

10.22034/amfa.2021.1905055.1461

From machine learning perspective, the problem of predicting financial distress is challenging because the distribution of the classes is extremely imbalanced. The goal of this study was comparing the performance of financial distress prediction models for the imbalance چکیده کامل

From machine learning perspective, the problem of predicting financial distress is challenging because the distribution of the classes is extremely imbalanced. The goal of this study was comparing the performance of financial distress prediction models for the imbalanced data sets with different proportions. In this study, the data of the previous year before financial distress was used for 760 company year for the time period of 2007-2017. Besides using traditional classifications such as logistic regression, linear discriminant analysis, artificial neural network, and the classification models of least square support vector machine with four kernel functions, random forest and the Knn algorithm, the measures of the area under the curve and Friedman and Nemenyi tests were also utilized to determine the average rank and the difference significance of the Auc of the models. For selecting the models´ optimal parameters, the combined method of grid search optimization and cross validation was used. The results of this experimental study showed that for the balanced and imbalanced datasets with lower proportions, the best performance was for the random forest. For more imbalanced datasets, the best performance belonged to the least square support vector machine with sigmoid, radial, and linear kernel functions; performance of Knn algorithm had no significant difference from the other models and the performance of the artificial neural network was average or appropriate. Also, the performances of the linear logistic regression and linear discriminant analysis were weaker than other nonlinear models. پرونده مقاله

دسترسی آزاد مقاله

124 - Support Vector Regression Parameters Optimization using Golden Sine Algorithm and Its Application in Stock Market
Mohammadreza Ghanbari Mahdi Goldani

10.22034/amfa.2021.1936352.1623

Stock price prediction is one of the most important concerns of stockholders. This prediction, independent of the method which is used or the assumptions which are applied, is welcomed and trusted if it can guarantee a high fitting. So due to the high performance predic چکیده کامل

Stock price prediction is one of the most important concerns of stockholders. This prediction, independent of the method which is used or the assumptions which are applied, is welcomed and trusted if it can guarantee a high fitting. So due to the high performance prediction, using some complicated models as Machine Learning family such as Support Vector Regression (SVR) was recommended instead of older and lower performance approaches such as multiple discriminant technique. SVR model have achieved high performance on forecasting problems, however, its performance is highly dependent on the appropriate selection of SVR parameters. In this study, a novel GSA-SVR model based on Golden Sine Algorithm is presented. The performance of the proposed model is compared with eleven other meta-heuristic algorithms on some stocks from NASDAQ. The results indicate that the given model here is capable of optimizing the SVR parameters very well and indeed is one of the best models judged by both prediction performance accuracy and time consumption. پرونده مقاله

دسترسی آزاد مقاله

125 - Comparison of the Ability of Modern and Conventional Metaheuristic and Regression Models to Predict Stock Returns by Accounting Variables and Presenting an Effective Model
Mahmood Kohansal Kafshgari Alireza Zarei Sodani Reza Behmanesh

10.22034/amfa.2021.1920762.1547

Investment in the stock market requires decision-making and access to infor-mation on the future of the stock market. Given the importance of predicting stock returns, the present study aimed to discover the variables and indices that could predict stock returns. The pr چکیده کامل

Investment in the stock market requires decision-making and access to infor-mation on the future of the stock market. Given the importance of predicting stock returns, the present study aimed to discover the variables and indices that could predict stock returns. The prediction of stock returns has long been a 'hot topic' in advanced countries. While effective steps have been taken in this regard, the accu-rate prediction of stock returns remains a problem due to numerous issues. In this study, an accurate, applicable, and effective model was proposed for the predic-tion of stock returns. The statistical sample included 138 active companies of Tehran Stock Exchange (TSE) during 2008-2017, which were selected by the systematic removal method. In total, 1,380 data years were selected for the re-search to evaluate the questions. Data analysis was performed using an adaptive neuro-fuzzy inference system (ANFIS), multi-gene genetic programming, and regression analysis. In addition, statistical tests were applied to evaluate the accu-racy of the model, implemented by MATLAB and GeneXproTools. According to the results, the hybrid metaheuristic method had a lower error rate compared to artificial neural network and regression analysis in terms of stock return predic-tion. Therefore, the proposed model could provide more accurate data within a shorter time to predict the stock market status since it makes predictions after selecting the most optimal input variables through ANFIS. پرونده مقاله

دسترسی آزاد مقاله

126 - Developing a Prediction-Based Stock Returns and Portfolio Optimization Model
Farzad Eivani Davood Jafari Seresht Abbas Aflatooni

10.22034/amfa.2021.1877733.1304

The purpose of this study is to develop a prediction-based stock returns and portfolio optimization model using a combined decision tree and regression model. The empirical evidence is based on the analysis on 112 unique firms listed on the Tehran Stock Exchange from 20 چکیده کامل

The purpose of this study is to develop a prediction-based stock returns and portfolio optimization model using a combined decision tree and regression model. The empirical evidence is based on the analysis on 112 unique firms listed on the Tehran Stock Exchange from 2009 to 2019. Regression analyses, as well as six decision tree techniques including CHAID, ID3, CRIUSE, M5, CART, and M5 are used to determine the most effective variables for predicting stock returns. The results show that the six decision tree methods perform better than the regression model in selecting the optimal portfolio. Further analysis reveals that the CART model outperforms the other five decision tree models when compared using Akaike and Schwartz Bayesian. This finding is confirmed by comparing the actual returns of the selected portfolio across all six models in 2019. The findings indicate that the predicted returns on portfolio based on the CART model are not significantly different than the actual returns for 2019, suggesting that the selected model appropriately predicts the returns on the portfolio پرونده مقاله

دسترسی آزاد مقاله

127 - Capsule Network Regression Using Information Measures: An Application in Bitcoin Market
Mahsa Tavakoli Hassan Doosti Christophe Chesneau

10.22034/amfa.2021.1932547.1603

Predicting financial markets has always been one of the most challengingissues, attracting the attention of many investors and researchers. In this regard, deeplearning methods have been used a lot recently. Due to the desired results, such networks are always in devel چکیده کامل

Predicting financial markets has always been one of the most challengingissues, attracting the attention of many investors and researchers. In this regard, deeplearning methods have been used a lot recently. Due to the desired results, such networks are always in development and progress. One of the networks that is beingimplemented in various fields is capsule network. The first time the classification capsule network was introduced, it was able to attract a lot of attention with its successon MNIST data 1. In such networks, as in the other ones, the parameters are obtainedby minimizing a loss function. In this paper, we first change the classification capsulenetwork to a regression capsule network by modifying the last layer of the network.Then we use different information measures such as Kullnack-Leibler, Lin-Wang andTriangular information measures as a loss function, and compare their results with wellknown models including Artificial Neural Network (ANN), Convolutional Network(CNN) and Long Short-Term Memory (LSTM) as well as common used loss functionssuch as Mean Square Error (MSE) and Mean Absolute Percentage Error (MAPE). Usingappropriate accuracy metrics, it is shown that the capsule network using triangularinformation measure is well able to predict the price of bitcoin for the medium andlong term period including 10, 90 and 180 days. پرونده مقاله

دسترسی آزاد مقاله

128 - Developing Financial Distress Prediction Models Based on Imbalanced Dataset: Random Undersampling and Clustering Based Undersampling Approaches
Seyed behrooz Razavi ghomi Alireza Mehrazin Mohammad reza shoorvarzi Abolghasem Masih Abadi

10.22034/amfa.2022.1956898.1743

So far, distress prediction models have been based on balanced, such sampling is not consistent with the reality of the statistical community of companies. If the data are balanced, the bias in sample selection may lead to an underestimation of typeI error and an overes چکیده کامل

So far, distress prediction models have been based on balanced, such sampling is not consistent with the reality of the statistical community of companies. If the data are balanced, the bias in sample selection may lead to an underestimation of typeI error and an overestimation of the typeII error of models. Although imbalanced data-based models are compatible with reality, they have a higher typeI error compared to balanced data-based models. The cost of typeI error is more important to Beneficiaries than the cost of typeII error. In this study, for reducing typeI error of imbalanced data-based models, random and clustering-based undersampling were used. Tested data included 760 companies since 2007-2007 with 4 different degrees and the results of the H1 to H3 test represented them. In all cases of the typeI error, typeII error of balanced data-based models were lower and more, respectively, compared to imbalanced data-based models; also, in most cases, the geometric mean of balanced data-based models was higher compared to imbalanced data-based models, respectively. The results of testing H4 to H6 show that in most cases, typeI error, typeII error and the geometric mean criterion of models based on modified imbalanced data were less, more, and more, respectiively compared to the models based on imbalanced data, in other words, applying Undersampling methods on imbalanced training data led to a decrease in typeI error and an increase in typeII error and geometric mean criteria. As a result using models based on modified imbalanced data is suggested to Beneficiaries پرونده مقاله

دسترسی آزاد مقاله

129 - Predicting the Top and Bottom Prices of Bitcoin Using Ensemble Machine Learning
Emad Koosha Mohsen Seighaly Ebrahim Abbasi

10.22034/amfa.2022.1967972.1802

The purpose of the present study is to use the ensemble learning model to combine the predictions of Random Forest (RF), Long-Short Term Memory (LSTM), and Recurrent Neural Network (RNN) models for the Top and Bottom Prices of Bitcoin. To this aim, in the first stage, B چکیده کامل

The purpose of the present study is to use the ensemble learning model to combine the predictions of Random Forest (RF), Long-Short Term Memory (LSTM), and Recurrent Neural Network (RNN) models for the Top and Bottom Prices of Bitcoin. To this aim, in the first stage, Bitcoin's top and bottom prices are predicted using three machine learning models. In the second stage, the outputs of the models are presented as feature variables to the Extreme Gradient Boosting (Xgboost) and Light Gradient Boosting Machine (LightGBM) models to predict the price tops and bottoms. Then, in the third stage, the outputs of the second stage are combined through the voting ensemble classifier pattern to predict the next top and bottom prices. The data of top and bottom Bitcoin prices in the 1-hour time frame from 1/1/2018 to the end of 6/30/2022 are used as target variables and 31 technical analysis indicators as feature variables for the three models in the first stage. 70% of the data is regarded as learning data, and the remaining 30% is considered for the second and third stages. In the second phase, 50% of the data is considered for learning the output of the previous stage and 50% for the test data. Finally, the prediction values are evaluated with real data for the three models and the proposed ensemble learning model. The results reveal the improvement of the performance, precision, and accuracy of the ensemble model compared to weak learning models. پرونده مقاله

دسترسی آزاد مقاله

130 - Analyzing the performance of DEA models for bankruptcy prediction in the energy sector: with emphasis on Dynamic DEA approach
Mohammad Ali Khorami Seyed Babak Ebrahimi Majid Mirzaee Ghazani

10.22034/amfa.2023.1967064.1794

Predicting bankruptcy risk is one of the most critical issues in corporate financial decision-making. Investors always try to predict the bankruptcy of a firm to reduce the risk of losing their assets, so they are looking for ways by which they can predict the risk of b چکیده کامل

Predicting bankruptcy risk is one of the most critical issues in corporate financial decision-making. Investors always try to predict the bankruptcy of a firm to reduce the risk of losing their assets, so they are looking for ways by which they can predict the risk of bankruptcy. We predict the position of companies active in the oil and gas industry based on their financial health in the 2020 ranking of S&P global up to three years before 2020. This study uses three data envelopment analysis models (CCR, BCC, and DDEA) and the traditional Altman model for forecasting. We have shown that dynamic data envelopment analysis is a powerful tool for predicting bankruptcy risk. پرونده مقاله

دسترسی آزاد مقاله

131 - Stock Liquidity and Return Predictability; Is There a Connec-tion? (Evidence from an Emerging Market)
Mojtaba Alifamian Ali Eshaghzade Abdolkarim Maleknia

10.22034/amfa.2022.1957711.1744

This study examines the relationship between stock liquidity and return predicta-bility of 116 publicly-traded firms in Tehran Stock Exchange (TSE). To this end, we constructed a dated-regular frequency of time series with total 40128 stock-firm observations. After calc چکیده کامل

This study examines the relationship between stock liquidity and return predicta-bility of 116 publicly-traded firms in Tehran Stock Exchange (TSE). To this end, we constructed a dated-regular frequency of time series with total 40128 stock-firm observations. After calculating daily bid-ask spreads and stock returns, the observations were classified based on liquidity into three classes and the return predictability was investigated across different classes using a set of parametric tests. The results exhibit signs of return autocorrelation and non-independence over three liquidity groups. Our findings didn’t show a connection between stock liquidity and market efficiency. The Hurst exponent also revealed mean reversion of returns series across different liquidity classes. We conclude that stock liquidity doesn’t play a significant role in market efficiency and return predictability of stocks in TSE. In case of TSE as other emerging markets, due to the small num-ber of traders (the need for more trading activity) and low market making activi-ties, both the cost of trading increases and the reaction to stock price information is delayed, resulting in predictability of price /return. پرونده مقاله

دسترسی آزاد مقاله

132 - Designing Prediction Model of Financial Restatements Using Neural-Genetic Simulation Algorithm
Sasan Mehrani Akbar Rahimi poor

10.22034/amfa.2023.1973028.1824

The increased number of restatements in recent years has increased the wor-ries about the quality of financial reporting among the beneficiary groups. The pres-ence of prior period adjustments and, subsequently, the financial restatements have a negative impact on the r چکیده کامل

The increased number of restatements in recent years has increased the wor-ries about the quality of financial reporting among the beneficiary groups. The pres-ence of prior period adjustments and, subsequently, the financial restatements have a negative impact on the relatedness and reliability of the financial state-ments. The present study is aimed to present an appropriate criterion for predict-ing the financial restatements based on the Beneish model and its indices in companies admitted to the Tehran Stock & Exchange between 2009 and 2020. For this purpose, a total of 265 companies were selected considering the limitations. Also, the model estimation was per-formed using Beneish's primary model, a meta-heuristic neural network model, and optimization through genetic programming. As indicated by the obtained results based on the confusion matrix, the efficiency of the pro-posed model derived from the enhanced Beneish model with a genetic algo-rithm(S – 𝑆𝑐𝑜𝑟𝑒) had a total prediction accuracy of 73.21%, which was the highest prediction power compared to the Beneish Model . پرونده مقاله

دسترسی آزاد مقاله

133 - Presenting an Explanatory Model of Stock Price Using Deep Learning Algorithm
Mojtaba Bavaghar Zaeimi Gholamreza Zomorodian Mehrzad Minooee Amirreza Keyghobadi

10.22034/amfa.2023.1954455.1717

This study aimed to present an explanatory model of stock price using deep learning algorithm for companies listed in the Tehran Stock Exchange. In this study, a deep learning network was used to predict stock prices. The study was applied-developmental research in term چکیده کامل

This study aimed to present an explanatory model of stock price using deep learning algorithm for companies listed in the Tehran Stock Exchange. In this study, a deep learning network was used to predict stock prices. The study was applied-developmental research in terms of purpose. To test the research questions, accounting data were prepared from 2011 to 2020 and input variables were calculated based on it for the model. The method of systematic elimination sampling has been used in this study. The results indicated that the precisions of prediction has a high precisions in the deep learning model. The proposed algorithm was reviewed according to its prediction accuracy and modeling cost. According to the data volume, it was found that the prediction accuracy in the deep learning model has a relative superiority and the diagram of performance characteristic and AUC criteria also showed this superiority in detection power. پرونده مقاله

دسترسی آزاد مقاله

134 - Designing a Model for Predicting Corporate Bankruptcy Using Ensemble Learning Techniques
Hossein Eghbali Alimohamad Ahmadvand

The bankruptcy of corporations causes huge losses for investors, managers, creditors, employees, suppliers, and customers. If someone understands the reason for the corporate's bankruptcy, then he can save the corporate from certain death with the necessary planning. Th چکیده کامل

The bankruptcy of corporations causes huge losses for investors, managers, creditors, employees, suppliers, and customers. If someone understands the reason for the corporate's bankruptcy, then he can save the corporate from certain death with the necessary planning. Therefore, bankruptcy forecasting is the most important prerequisite for bankruptcy prevention. Due to this issue, the main aim of this article is the prediction of the economic bankrupt-cy of corporations in the Tehran Stock Exchange using group machine learn-ing algorithms. Financial ratios have been used as independent variables and healthy and bankrupt corporations as research dependent variables. The statistical population of the study is the information of financial statements of corporations on the Tehran Stock Exchange from the years 2004 to 2021. In this study, sampling is not used and corporations include two groups healthy and bankrupt. The bankrupt and non-bankrupt groups are selected based on the threshold of the Springate model. The research findings indicate that the accuracy of predicting the bankruptcy of corporations in the group learning model by stacking method is higher than other used models where the AUC and Accuracy Ratio were 0.9276 and 0.8247, respectively. پرونده مقاله

دسترسی آزاد مقاله

135 - Predicting Social Responsibility Reporting using Financial Ratios
Mohammad Javad Zare Bahnamiri mahsa golkar niloofar Beiky

The purpose of this research is to investigate the prediction of corporate social responsibility reporting using financial ratios. To answer the research question, four prediction models of linear regression, K Nearest Neighbor, decision tree, and deep learning were inv چکیده کامل

The purpose of this research is to investigate the prediction of corporate social responsibility reporting using financial ratios. To answer the research question, four prediction models of linear regression, K Nearest Neighbor, decision tree, and deep learning were investigated. Also, 61 financial ratios were used according to previous research using data related to listed and non-listed companies of Iran from the years 2012 to 2018. According to the re-sults obtained from the estimation of each of the proposed prediction mod-els, it can be stated that the k-nearest neighbor model has the lowest RMSE value, and in fact, this model predicts the amount of social responsibility with less error than other models. The linear regression model with the high-est RMSE value has a weaker performance than other models. LSTM model and decision tree respectively had the lowest RMSE value after the k-nearest neighbor model. As a result, since the LSTM model requires a large number of test sam-ples for deeper learning, it could not achieve high performance in the evaluated data set. Based on the investigations, it can be stated that the current research does not have a similar example inside or outside of Iran. پرونده مقاله

دسترسی آزاد مقاله

136 - Forecasting the Profitability in the Firms Listed in Tehran Stock Exchange Using Data Envelopment Analysis and Artificial Neural Network
Maryam Saberi Mohammad Reza Rostami Mohsen Hamidian Nafiseh Aghami

10.22034/amfa.2016.527823

Profitability as the most important factor in decision-making, has always been considered by stake holders in the company's profitability. Alsocan bea basis forevaluatingthe performance of themanagers. The ability to predict the profitability can be very useful to help چکیده کامل

Profitability as the most important factor in decision-making, has always been considered by stake holders in the company's profitability. Alsocan bea basis forevaluatingthe performance of themanagers. The ability to predict the profitability can be very useful to help decision-makers. That's why one of the most important issues is the expected profitability. The importance of these forecasts depends on the amount of misalignment with reality. The amount of deviation is less than the forecast of higher accuracy. Although there are various methods for predicting but the use of artificial intelligence techniques is increasing due to fewer restriction. The aim of this study is to evaluate the predictive power of profitability using DEA and neutral network, to enhance the decision-making users of 2012 to 2015of 7 premier financial ratios were used as independent variables. Test results show that both of ANN and DEA have ability to forecast profitability and given that neutral network prediction accuracy is higher than the DEA, the model predict better the profitability of companies. پرونده مقاله

دسترسی آزاد مقاله

137 - Thermal anomalies detection before earthquake using three filters (Fourier, Wavelet and Logarithmic Differential Filter), A Case study of two earthquakes in Iran
Sina Saber Mahani Marzieh Khalili

10.30495/ijes.2019.544597

Earthquake is one of the most destructive natural phenomena which has human and financial losses. The existence of an efficient prediction system and early warning system will be useful for reducing effects of destroying earthquake. In this paper by applying three filte چکیده کامل

Earthquake is one of the most destructive natural phenomena which has human and financial losses. The existence of an efficient prediction system and early warning system will be useful for reducing effects of destroying earthquake. In this paper by applying three filters (Fourier, Wavelet and Difference Logarithmic Filter (LDF)) on soil temperature time-series, anomaly behavior before the major earthquakes was studied. Aforementioned methods were performed of the Bam (2003), and Zarand (2005) earthquakes in Iran. The results indicate thermal anomalies were detected before earthquake occurrence. Furthermore, the LDF filter detects thermal anomaly as well as the Fourier and Wavelet filters. For validation of the results, the soil temperature data of the Bam earthquake were considered from the Bam meteorological station and also from the Joroft meteorological stations that located in effective radius (Dobrolsky radius) and the same results was obtained. It states that there is a relation between temperature anomaly behavior and the major earthquakes. پرونده مقاله

دسترسی آزاد مقاله

138 - A Robust Methodology for Prediction of DT Wireline Log
Sh. Maleki A. Moradzadeh R. Ghavami F. Sadeghzadeh

DT log is one of the most frequently used wireline logs to determine compression wave velocity. This log is commonly used to gain insight into the elastic and petrophysical parameters of reservoir rocks. Acquisition of DT log is, however, a very expensive and time consu چکیده کامل

DT log is one of the most frequently used wireline logs to determine compression wave velocity. This log is commonly used to gain insight into the elastic and petrophysical parameters of reservoir rocks. Acquisition of DT log is, however, a very expensive and time consuming task. Thus prediction of this log by any means can be a great help by decreasing the amount of money that needs to be allocated for acquisition. Support vector machine (SVM) is one of the best artificial intelligence techniques proven to be a reliable method in the prediction of various real world problems. The aim of this paper is to use SVM to predict the DT log data of a well located in the southern oilfields of Iran. By comparing the results of SVM with those obtained by a Back Propagation Neural Network (BPNN) we were able to verify the accuracy of SVM in the prediction of P-wave velocity. Hence, this method is recommended as a cost effective tool in the prediction of P- wave velocity پرونده مقاله

دسترسی آزاد مقاله

139 - مدل ریاضی میزان انرژی مورد نیاز و سنیتیک خشک‌کردن اسطوخودوس با استفاده از شبکه عصبی مصنوعی
محمد یونسی الموتی حمید خفاجه محمد زارعین

10.30495/sarj.2023.1982366.1125

گیاهی دارویی چندین ساله به ارتفاع حدود نیم‌متر است که در نواحی مختلف ایران می‌روید. خشک‌کردن یکی از قدیمی‌ترین روش‌های نگهداری مواد است. استفاده از شبکه‌های عـصبی در طراحـی و انتخاب شرایط کاری بهینه و کنترل خشک‌کن می تواند به کار رود. در این مطالعه به بررسی پارامترهای م چکیده کامل

گیاهی دارویی چندین ساله به ارتفاع حدود نیم‌متر است که در نواحی مختلف ایران می‌روید. خشک‌کردن یکی از قدیمی‌ترین روش‌های نگهداری مواد است. استفاده از شبکه‌های عـصبی در طراحـی و انتخاب شرایط کاری بهینه و کنترل خشک‌کن می تواند به کار رود. در این مطالعه به بررسی پارامترهای مختلف خشک‌کردن، ارزیابی مدل‌های ریاضی جهت تعیین بهترین مدل، ارزیابی توپولوژی‌های مختلف شبکه عصبی مصنوعی MLP جهت تعیین بهترین شبکه برای گیاه اسطوخودوس با خشک‌کن مایکروویو با محدوده توان 1000-100 وات و فرکانس 2450 مگاهرتز در چهار سطح توان 300، 500، 700 و 900 وات پرداخته شده است. از شبکه‌ عصبی مصنوعی MLP برای پیش‌بینی ارتباط بین پارامترهای سینتیک خشک‌کردن (نسبت رطوبت و نرخ خشک-شدن) و بازده انرژی مصرفی با تغییرات توان مصرفی مایکروویو با بکارگیری نرم افزار استاتیستیکا استفاده شد. از بین مدل‌های برازش شده، مدل میدیلی به عنوان بهترین مدل با توجه به معیار‌های R 2، 2 χ و RMSE انتخاب شد. سطوح توان مایکروویو بر مدت زمان خشک شدن تأثیر داشت، به‌طوری‌که زمان خشک شدن برای توان 900 وات 3 دقیقه و برای توان 300 وات 11 دقیقه به دست آمد. به منظور پیش‌بینی پارامترهای سینتیک خشک‌کردن و بازده انرژی مصرفی، شبکه MLP دارای یک ورودی و سه خروجی به طور موفقیت‌آمیزی مورد استفاده قرار گرفت. نتایج به طور کلی نشان داد که شبکه عصبی مصنوعی MLP یک ابزار بسیار قدرتمند در پیش‌بینی پارامترهای سینتیک خشک‌کردن و بازده انرژی مصرفی گیاه دارویی اسطوخودوس بر اساس مقادیر توان مصرفی مایکروویو است. پرونده مقاله

دسترسی آزاد مقاله

140 - Predicting Banks' Financial Distress by Data Envelopment Analysis Model and CAMELS Indicators
Abass Paidar Morteza Shafiee Fariborz Avazzadeh Hashem Valipour

10.30495/jsm.2021.1935059.1499

Due to their inherent nature in the economy, banks have a fundamental and significant responsibility for capital formation. Therefore, evaluating their performance can help decision makers find the optimal solution and prevent financial distress. The purpose of this stu چکیده کامل

Due to their inherent nature in the economy, banks have a fundamental and significant responsibility for capital formation. Therefore, evaluating their performance can help decision makers find the optimal solution and prevent financial distress. The purpose of this study is to evaluate the performance and forecast financial distress of banks listed on the Tehran Stock Exchange, based on CAMELS indicators and ِData Envelopment Analysis model. First, using the data of 17 banks in the fiscal year 2018, 5 levels of determining the health of banks, in the form of differences between the performance of these banks in terms of capital adequacy, quality of assets, quality of management, Earning and liquidity and sensitivity to market risk, It was found. And the studied banks were divided into two groups: healthy and helpless, based on CAMELS indices. Then, according to the effects of financial distress on banks, financial distress was predicted by Data Envelopment Analysis model slacks-based on measure of efficiency (SBM) and with a different approach. The results show that 61% of the predictions were correct by DEA technique and 39% of them were incorrect. Also, the results of this study showed that CAMELS financial ratios can be a good assessor for banks' financial distress. پرونده مقاله

دسترسی آزاد مقاله

141 - A Stock Market Prediction Model Based on Deep Learning Networks
seyyedeh mozhgan Beheshti Masalegou Mohammad-Ali Afshar-Kazemie jalal haghighat monfared Ali Rezaeian

10.30495/jsm.2022.1954072.1623

Accurate stock market prediction can assist in an efficient portfolio and risk management. However, accurately predicting stock price trends still is an elusive goal, not only because the stock market is affected by policies, market environment, and market sentiment, bu چکیده کامل

Accurate stock market prediction can assist in an efficient portfolio and risk management. However, accurately predicting stock price trends still is an elusive goal, not only because the stock market is affected by policies, market environment, and market sentiment, but also because stock price data is inherently complex, noisy, and nonlinear. Recently, the rapid development of deep learning can make the classifiers more robust, which can be used to solve nonlinear problems. This study proposes a hybrid framework using Long Short-Term Memory, Autoencoder, and Deep Neural Networks (LSTM-AE-DNNs). Specifically, LSTM-AE is responsible for extracting relevant features, and in order to predict price movement, the features are fed into two deep learning models based on a recurrent neural network (RNN) and multilayer perceptron (MLP). The dataset used for this is Dow Jones daily stock for 2008-2018, which was used in this article. Besides, to further assess the prediction performance of the proposed model, original stock features are fed to the single RNN and MLP models. The results showed that the proposed model gives the more accurate and best results compared to another. In particular, LSTM-AE+RNN shows a better performance than the LSTM-AE+MLP. In addition, hybrid models show better performance compared to a single DNN fed with the all-stock features directly. پرونده مقاله

دسترسی آزاد مقاله

142 - Application of Genetic Algorithm in Development of Bankruptcy Predication Theory Case Study: Companies Listed on Tehran Stock Exchange
Mohsen Hajiamiri Mohammad Reza Shahraki Seyyed Masoud Barakati

The bankruptcy prediction models have long been proposedas a key subject in finance. The present study, therefore, makes aneffort to examine the corporate bankruptcy prediction through employmentof the genetic algorithm model. Furthermore, it attempts to evaluatethe str چکیده کامل

The bankruptcy prediction models have long been proposedas a key subject in finance. The present study, therefore, makes aneffort to examine the corporate bankruptcy prediction through employmentof the genetic algorithm model. Furthermore, it attempts to evaluatethe strategies to overcome the drawbacks of ordinary methods forbankruptcy prediction through application of genetic algorithms. Thesample under investigation in this research includes 70 pairs of bankruptand non-bankrupt companies during 2001-2011. Having examined theobtained data from financial statements of the companies under study,5 financial independent variables were identified so as to be used in themodel. The results indicated that employment of genetic algorithm in predicting financial bankruptcy is highly effective, to the extent it managedto correctly predict the financial bankruptcy of companies twoyears before the base year, one year before the base year and the baseyear at accuracies of 96.44, 97.94 and 95.53, respectively. پرونده مقاله

دسترسی آزاد مقاله

143 - The use of wavelet - artificial neural network and adaptive neuro fuzzy inference system models to predict monthly precipitation
اباذر سلگی حیدر زارعی بهداد فلامرزی

Precipitation forecasting due to its random nature in space and time always faced with many problems and this uncertainty reduces the validity of the forecasting model. Nowadays nonlinear networks as intelligent systems to predict such complex phenomena are widely used. چکیده کامل

Precipitation forecasting due to its random nature in space and time always faced with many problems and this uncertainty reduces the validity of the forecasting model. Nowadays nonlinear networks as intelligent systems to predict such complex phenomena are widely used. One of the methods that have been considered in recent years in the fields of hydrology is use of wavelet transform as a modern and efficient method to analysis of signals and time series.In this study, wavelet analysis combined with artificial neural network and compared with fuzzy inference system-adaptive neural for forecasting rainfall in Vrayneh station in the Nahavand. For this purpose, the original time series using wavelet theory decomposed to multi time sub-signals, then these sub-signals as input data to the neural network was used to predict monthly flow.Obtained results showed that hybrid wavelet - neural network model outperformed than fuzzy inference system - adaptive neural model and cant used for prediction of short and long term precipitation. Also the results showed that the hybrid model of wavelet - neural network acts well in estimating the extent points. پرونده مقاله

دسترسی آزاد مقاله

144 - Deep salinity changes due to irrigation with saline water
وحید یزدانی سپیده یکه باش محمد سلطانی

Salinity is one of the most widespread global environmental threats to agricultural production, especially in arid and semi-arid regions. This study was conducted to investigate the effect of irrigation water salinity on soil quality at the surface and depths. Therefore چکیده کامل

Salinity is one of the most widespread global environmental threats to agricultural production, especially in arid and semi-arid regions. This study was conducted to investigate the effect of irrigation water salinity on soil quality at the surface and depths. Therefore, in this study, different ratios of natural salt rock and well water with a flow rate of 35 liters per second (in the coordinates of 39.5 39 39.59 and 360.23.29) were used to create different salinities. The results showed that with increasing time after planting and applying different irrigation treatments, the salinity of soil saturated extract increases at different soil depths. As it is known, in the first 3 dates, the amount of difference in EC of soil saturated extract is not very large and in the 4th and 5th sampling dates (ie 102 and 118 days after rapeseed cultivation) the amount of differences increases. Of course, it should be noted that such a trend is not observed in I4 treatment. Because severe lack of irrigation in this treatment has caused the accumulation of salts in the soil surface that rainfall has only leached the soil surface and transported the salts to lower depths. As it is known, increasing the time and applying dehydration and salinity treatments increase the osmotic and matrix potential at different soil depths, so applying different amounts of leaching according to a proper schedule is very important and necessary. The results showed that the trapezoidal model is not able to predict the salinity of soil saturated extract. This method estimates the salinity of the soil saturated extract much higher than the reality and its results are only somewhat acceptable at salinity of 0.5 dS / m. In contrast, the results of the other two models, namely the exponential model and the absorption function model, have provided more appropriate results. The exponential model in these three irrigation levels has a more acceptable accuracy than the absorption function model پرونده مقاله

دسترسی آزاد مقاله

145 - Evaluation of SARIMA time series models in monthly streamflow estimation in Idanak hydrometry station
عباس احمدپور حسین فتحیان جبرائیل قربانیان

prediction of hydrological variables is a highly effective tool in water resource management. One of the important tools for modeling hydrological processes is the use of time series modeling and analysis. River series production series can be used by time series models چکیده کامل

prediction of hydrological variables is a highly effective tool in water resource management. One of the important tools for modeling hydrological processes is the use of time series modeling and analysis. River series production series can be used by time series models in various studies such as drought, flood, reservoir systems design and many other purposes For this purpose, monthly flow data of this station has been used for 30 years (2011-1363). By using the regression method, incomplete data estimation and homogeneity of data were investigated by sequencing test .Using the SARIMA model, the monthly time series of the Idenak station was Investigated and the best model was fitted to its data.. The models were confirmed by the diagram of autocorrelation and partial-bond correlation functions of the residues and the Pert-Manto criteria. for evaluation the models, the AIC, SBC criteria were used. The results show that SARIMA models (1.0,1) * (2,0,2) 12, SARIMA (2,0,2) * (2,0,2 (12) and SARIMA (1,0,2) * (2,0,2) 12 are respectively in the first, second and third priority in terms of accuracy in modeling the monthly discharge of the Idenak station. پرونده مقاله

دسترسی آزاد مقاله

146 - شناسایی عوامل تاثیرگذار در رویگردانی مشتریان شرکت مخابرات کردستان و ارائه مدل هایی برای پیش بینی رویگردانی با استفاده از الگوریتم های یادگیری ماشین
vida sadeghi Anvar Bahrampour Seyed Ali Hosseini

10.30495/imj.2023.1987440.1850

مشتریان منبع اصلی درآمد و دارایی مهم برای هر سازمان هستند. با این دیدگاه، امروزه شرکت‌ها تلاش بیشتری را برای حفظ مشتریان موجود آغاز کرده‌اند. از آنجا که در بسیاری از شرکت‌ها هزینه به‌دست آوردن مشتری جدید بسیار بالاتر از هزینه ایجاد رضایتمندی مشتری فعلی است، رویگردانی مش چکیده کامل

مشتریان منبع اصلی درآمد و دارایی مهم برای هر سازمان هستند. با این دیدگاه، امروزه شرکت‌ها تلاش بیشتری را برای حفظ مشتریان موجود آغاز کرده‌اند. از آنجا که در بسیاری از شرکت‌ها هزینه به‌دست آوردن مشتری جدید بسیار بالاتر از هزینه ایجاد رضایتمندی مشتری فعلی است، رویگردانی مشتری به حوزه اصلی نگرانی این شرکت‌ها تبدیل شده است. لذا شرکت‌های مبتنی بر مشتری از جمله شرکت‌های فعال در صنعت مخابرات به دلیل رویگردانی مشتریان با چالش بزرگی روبرو هستند. با توسعه سریع صنعت مخابرات، پیش‌بینی رویگردانی به عنوان یکی از فعالیتهای اصلی در به ‌دست آوردن مزیت رقابتی در بازار محسوب می‌شود. پیش‌بینی رویگردانی مشتری به اپراتورها اجازه می‌دهد تا قبل از مهاجرت مشتریان فعلی به اپراتورهای دیگر، یک دوره زمانی برای اصلاح و اجرای یک سری اقدامات پیشگیرانه داشته باشند. در این پژوهش یک سیستم پشتیبانی تصمیم برای پیش‌بینی و تخمین رویگردانی مشتریان شرکت مخابرات استان کردستان (دارای 529000 مشترک) با روش‌های مختلف داده‌کاوی و یادگیری ماشین (شامل رگرسیون خطی چندگانه (MLR)، رگرسیون چند جمله-ای(PR)، رگرسیون لجستیک، شبکه‌های عصبی مصنوعی، آدابوست و جنگل تصادفی) ارایه شده است. نتایج ارزیابی‌های انجام شده بر روی مجموعه داده‌های شرکت مخابرات استان کردستان عملکرد بالای روش‌های شبکه‌های عصبی مصنوعی با دقت 99.9% ، آدابووست با دقت 100% و جنگل تصادفی با دقت 100% را نشان می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

147 - پیش‌بینی ورشکستگی بنگاه‌های اقتصادی قابل پذیرش در بورس برق و انرژی با استفاده از اتوماتای یادگیر
Seyed Mahdi Mazhari Hassan Monsef Hooman Mirzaei

با توجه به آغاز به کار بورس برق و انرژی در سال 1391، ارائة مشاوره‌های جانبی به سرمایه‌گذاران یکی از اولویت‌های توسعه و پیشرفت این بورس تازه‌ تاسیس‌، می‌باشد. پیش‌بینی ورشکستگی بنگاه‌های اقتصادی، نه تنها به سرمایه‌گذاران در اولویت‌دهی و جلوگیری از دست رفتن اصل و فرع سرما چکیده کامل

با توجه به آغاز به کار بورس برق و انرژی در سال 1391، ارائة مشاوره‌های جانبی به سرمایه‌گذاران یکی از اولویت‌های توسعه و پیشرفت این بورس تازه‌ تاسیس‌، می‌باشد. پیش‌بینی ورشکستگی بنگاه‌های اقتصادی، نه تنها به سرمایه‌گذاران در اولویت‌دهی و جلوگیری از دست رفتن اصل و فرع سرمایه کمک می‌کند، بلکه تاثیر بسزایی در نحوة اعتباردهی و در نتیجه جلوگیری از نابودی بنگاه اقتصادی خواهد داشت. در این مقاله، مسألة پیش‌بینی ورشکستگی بنگاه‌های اقتصادی مرتبط با حوزة برق و انرژی، در محیط شرکت‌های ایران، بررسی می‌گردد. برای این منظور از اطلاعات 200 سال-شرکت، از بین شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، در سال‌های 1380 تا 1388، استفاده شده است. در کلیة مطالعات تعداد شرکت‌های ورشکسته و غیرورشکسته مساوی در نظر گرفته شده و شرکت‌های ورشکسته بر مبنای مادة 141 قانون تجارت انتخاب شده‌اند. به منظور ایجاد یک رابطة پیشنهادی برای پیش‌بینی ورشکستگی مالی شرکت‌های مرتبط با حوزة برق و انرژی، از یک الگوریتم هوشمند مبتنی بر اتوماتای یادگیر استفاده شده است. مطابق نتایج ارائه شده، دقت مدل پیشنهادی برای داده‌های آموزش حدود 91% و بر روی داده‌های آزمون تقریباً 88% می‌باشد. با توجه آنالیز حساسیت‌های انجام‌شده، می‌توان نتیجه گرفت که مدل پیشنهادی نیازهای فنی و اقتصادی مسأله را ارضاء نموده و می‌تواند به عنوان ابزاری برای پیش‌بینی ورشکستگی شرکت‌ها مورد استفاده قرار گیرد. پرونده مقاله

دسترسی آزاد مقاله

148 - پیش بینی کننده های مصرف تریاک در نوجوانان: عوامل فردی، خانوادگی و اجتماعی
حسن رضایی جمالویی شیما منصوری فر مهدی طاهری سجاد امینی منش

با توجه به مضرات مصرف تریاک در بین نوجوانان و لزوم شناخت مولفه‌ها و ابعاد این رفتار جهت طراحی مداخلات متناسب و اثربخش، پژوهش حاضر با هدف تعیین پیش‌بینی‌کننده‌های مصرف تریاک (فردی، خانوادگی و اجتماعی) در نوجوانان انجام شد. روش پژوهش توصیفی از نوع همبستگی بود. جامعه آماری چکیده کامل

با توجه به مضرات مصرف تریاک در بین نوجوانان و لزوم شناخت مولفه‌ها و ابعاد این رفتار جهت طراحی مداخلات متناسب و اثربخش، پژوهش حاضر با هدف تعیین پیش‌بینی‌کننده‌های مصرف تریاک (فردی، خانوادگی و اجتماعی) در نوجوانان انجام شد. روش پژوهش توصیفی از نوع همبستگی بود. جامعه آماری پژوهش کلیه دانش آموزان پسر مقطع متوسطه شهر اصفهان در سال 1397 بودند که با استفاده از روش نمونه‌گیری تصادفی خوشه‌ای 201 نفر انتخاب و توسط نیمرخ مصرف مواد و پرسشنامه بررسی وضعیت مصرف مواد، مورد ارزیابی قرار گرفتند. ابزارهای پژوهش شامل پرسشنامه استاندارد نیمرخ مصرف مواد (محمدخانی، 1386) و پرسشنامه بررسی وضعیت مصرف مواد (محمدخانی، 1385) بودند. نتایج تحلیل داده ها با استفاده از ضریب همبستگی پیرسون و رگرسیون گام به گام انجام شد. نتایج نشان داد که بین مصرف تریاک در طول عمر و مولفه‌‌های نگرش به مصرف مواد، ناامیدی، هیجان‌خواهی، تکانشگری، تعارضات خانوادگی، نگرش والدین به مواد، نظارت خانواده، بی‌نظمی محیط اجتماعی، احساس تعهد به مدرسه، فضای روانی- اجتماعی مدرسه نیمرخ خطرمصرف رابطه معنی-داری وجود دارد (05/0P<). نتایج تحلیل رگرسیون نشان داد که نگرش به مصرف مواد مولفه مصرف تریاک در طول عمر را با تبیین 47/0 از واریانس، مورد پیش‌بینی قرار می‌دهد. همچنین ناامیدی و نگرش به مصرف مواد مولفه کشیدن تریاک در 12 ماه گذشته را با تببین 17/0 و در یک ماه گذشته را با تببین 17/0 از واریانس مورد پیش‌بینی قرار داده‌اند. با توجه به نتایج این پژوهش می‌توان گفت مصرف تریاک در نوجوانان یک پدیده چندعاملی و چندسطحی بوده و عوامل تعیین‌کننده گر-ایش به آن ‌در سطوح متعدد فردی، اجتماعی و خانوادگی قرار دارد که باید در مداخلات پیشگیری، کنترل و ترک تریاک مدنظر قرار گیرد. پرونده مقاله

دسترسی آزاد مقاله

149 - بررسی عنصر پیشگویی در منظومه پهلوانی شهریار نامه
مرتضی مقصودی نژاد مجید حاجی زاده(نویسنده مسئول) مریم غلامرضا بیگی

10.30495/farsij.2021.682135

چکیده باتوجه ‌به ضرورت پژوهش در منظومه‌های حماسی پس از شاهنامه و با هدف شناخت بیشترِ جوانبِ گوناگون آن‌ها، مقالۀ حاضر با استفاده از روش کتابخانه ای ، مبتنی بر توصیف و تحلیلِ محتوا به بررسی عنصر پیشگویی در منظومۀ شهریارنامه سرودة مختاری پرداخته‌است. در منظومۀ شهریارنامه چکیده کامل

چکیده باتوجه ‌به ضرورت پژوهش در منظومه‌های حماسی پس از شاهنامه و با هدف شناخت بیشترِ جوانبِ گوناگون آن‌ها، مقالۀ حاضر با استفاده از روش کتابخانه ای ، مبتنی بر توصیف و تحلیلِ محتوا به بررسی عنصر پیشگویی در منظومۀ شهریارنامه سرودة مختاری پرداخته‌است. در منظومۀ شهریارنامه تقریباً بیست‌وهفت مورد پیشگویی‌های مختلف صورت گرفته است. مهمترین این پیشگویی‌ها، پیشگویی دربارۀ کینه‌جویی و انتقام بهمن ، پسر اسفندیار از خاندان زال است و افراد گوناگون هشت بار در بخش‌های مختلف به آن اشاره کرده‌اند. پیشگویی‌های شهریارنامه اغلب بر اساس خواب، احکام نجومی و با یاری سروش یا با ابزارها و اشیاء شگفتی نظیر جام انجم‌نما، آیینۀ حکمت و لوح زرین، توسط اخترشناسان و وزیران فرزانه به‌ویژه جاماسپ،موبدان و پهلوانان صورت می‌پذیرد. موضوع خواب دیدن و خواب‌نما شدن شخصیت‌ها به‌ویژه قهرمان داستان از محورهای اساسی در منظومه‌های حماسی است و در شهریارنامه نیز نمود فراوانی دارد. برخی از خواب‌های شهریارنامه جنبة پیشگویی دارد و برخی دیگر مبتنی بر امر و نهی و پند و اندرز است. خواب‌هایی که جنبة پیشگویی دارد در بسیاری از موارد از وقایع و حوادث و سختی‌ها گره‌گشایی می‌کند و قهرمانان و پهلوانان داستان را از بند مخمصه‌ها می‌رهاند. کلید واژگان: شهریارنامه ، احکام نجومی ، پیشگویی ، ابزار پیشگویی ، خواب پرونده مقاله

دسترسی آزاد مقاله

150 - رایزنی در حماسه‌های ملّی ایران
هادی یوسفی

در این نوشتار به شیوه‌ی تحلیلی – توصیفی، مبحث رایزنی و مشاوره، در گروه شخصیت‌های منفی موجود در آثار حماسی زبان فارسی، یعنی ضدقهرمانان، مورد بررسی قرار گرفته است. مشورت ضدقهرمانان اصلی و در برخی موارد سپهدار با مشاوران در امور مهمّی که تعیین کننده سرنوشت جنگ و یا چکیده کامل

در این نوشتار به شیوه‌ی تحلیلی – توصیفی، مبحث رایزنی و مشاوره، در گروه شخصیت‌های منفی موجود در آثار حماسی زبان فارسی، یعنی ضدقهرمانان، مورد بررسی قرار گرفته است. مشورت ضدقهرمانان اصلی و در برخی موارد سپهدار با مشاوران در امور مهمّی که تعیین کننده سرنوشت جنگ و یا آینده زمامداری شاه است، صورت می‌پذیرد. بر این اساس کارکرد مشاوران ضدقهرمان در دو دسته ی معین بررسی شده است: 1. ارائه‌ی راهکار در شیوه رویارویی و نبرد ضدقهرمان با قهرمان و سپاه او. 2. تعبیر خواب و پیش بینی. براساس مطالعات صورت گرفته، مشاوران ضدقهرمان اصلی عبارتند از: وزیران، موبدان، منجّمان و فال گویان، سپهسالاران، افراد نزدیک به ضدقهرمان اصلی (برادر، فرزند و...)، متّحدان و در برخی موارد لشکریان، که هر کدام با ابراز آرای خود ضدقهرمان اصلی را در اتخاذ تصمیمات کشوری و به خصوص لشکری یاری می‌رسانند. پرونده مقاله

دسترسی آزاد مقاله

151 - پژوهشی در ساختار جمله‌های مجهول و اسنادی یا غیر اسنادی بودن آنها
سیدمحمدخالد غفاری

Passive verbs, usually being from “Bon-Naghli” of auxiliary verbs derivation from passive verbs based on auxiliary verbs of “Shodan”, “Gashtan” or “Gardiddan” and in Dari prose from “Amadan” and “Oftadan& چکیده کامل

Passive verbs, usually being from “Bon-Naghli” of auxiliary verbs derivation from passive verbs based on auxiliary verbs of “Shodan”, “Gashtan” or “Gardiddan” and in Dari prose from “Amadan” and “Oftadan”. Since, unknown verbs accompanied with linker verbs, some linguistics bring these auxiliary linker verbs as predication sentences for grammatically commentary and some others emphasis on the non-lexis structure of linker verbs like as passive sentences and lexical verbs of these sentences. This paper aims at investigating the special structure of passive verb, sentences with passive verb and prediction and non- prediction structure of them. So, in this paper the possibility and impossibility of imperative verb is also discussed. Literatures used for this research are authentic traditional recipe books and linguistics. Results of this research indicated the impossible passive structure for present imperative verb with imperative verb “Sho” and non –prediction of passive sentences. پرونده مقاله

دسترسی آزاد مقاله

152 - مدل پیش بینی تحول نظام اداری در حوزه منابع انسانی (مطالعه موردی : دستگاههای اجرایی شهر کرمان)
رضا فرهمند سنجر سلاجقه مسعود پورکیانی سعید صیادی

این تحقیق با هدف طراحی مدل پیش بینی تحول نظام اداری در حوزه منابع انسانی انجام شده است. تحقیقق موجقود ازنظر هدف، کاربردی و توسعه ای و از نظر روش یک تحقیق آمیخته اکتشافی است. جامعه آمقاری تحقیقق شقامل کلیقهکارکنان دستگاه های اجرایی شهر کرمان به تعداد 23270 نفر بوده که با چکیده کامل

این تحقیق با هدف طراحی مدل پیش بینی تحول نظام اداری در حوزه منابع انسانی انجام شده است. تحقیقق موجقود ازنظر هدف، کاربردی و توسعه ای و از نظر روش یک تحقیق آمیخته اکتشافی است. جامعه آمقاری تحقیقق شقامل کلیقهکارکنان دستگاه های اجرایی شهر کرمان به تعداد 23270 نفر بوده که با استفاده از روش نمونه گیری تصادفی طبقه ای450 نفربه عنوان نمونه انتخاب شده اند. برای جمع آوری داده ها از دو پرسشنامه محقق ساخته عوامل بازدارنده اجقرایتحول نظام اداری در حوزه منابع انسانی و تحول نظام اداری استفاده شده است. نتقای تحقیقق نشقان داد ،مقدل مفهقومیتحقیق از برازش قابل قبولی برخوردار است و عوامل بازدارنده تحول نظام اداری در حوزه منابع انسانی عبارتند از: عدمشایسته سالاری، آموزش ناکافی، نبود امور رفاهی، مناسب نبودن مزایای بازنشستگی، نامناسب بقودن ارزشق یابی، درجقهبالایی از سیاسی شدن، سلطه بوروکراتیک، عدم توانایی نهقاد ی، فنق ی و اداری، عقدم توجقه بقه اجقرا ی همزمقان منقافععمومی و حقوق اداری، ضعف فناوری های اطلاعات و ارتباطات، فراهم نبودن شرایط علّی اثرگذار، عوامل فرهنگق ی،سیاسی، مدیریتی، قضایی، ارزشی و ساختاری، مبهم بودن اهداف و عدم حاکمیت تفکر بهبود مستمر، کقه ایقن عوامقل35 / 0 از واریانس نظام تحول اداری در حوزه منابع انسانی را تبیین می کنند. پرونده مقاله

دسترسی آزاد مقاله

153 - ارائه یک مدل جهت پیش‌بینی مصارف گاز خانگی با کمک دمای هوا و تعداد مشترکین
مسعود اکبری مهدی اصغری علی اکبر امامی پرهام داوری شهناز سلامات ثانی ناهید طاهریان منصور قلی نژاد

گاز طبیعی یکی از منابع مهم انرژی در خانه‌ها -بصورت مستقیم یا غیرمستقیم- در ایران می‌باشد. طبق آمار ارائه شده توسط مدیر دیسپچینگ شرکت ملی گاز ایران، در روزهای سرد سال ۱۴۰۰، سهم مصرف مشترکین خانگی از کل گاز تولید شده در کشور به ۷۰ درصد رسیده بوده است. همچنین براساس گزارش چکیده کامل

گاز طبیعی یکی از منابع مهم انرژی در خانه‌ها -بصورت مستقیم یا غیرمستقیم- در ایران می‌باشد. طبق آمار ارائه شده توسط مدیر دیسپچینگ شرکت ملی گاز ایران، در روزهای سرد سال ۱۴۰۰، سهم مصرف مشترکین خانگی از کل گاز تولید شده در کشور به ۷۰ درصد رسیده بوده است. همچنین براساس گزارش آماری صنعت آب و برق در آذر ۱۳۹۹، نزدیک به ۸۸ درصد از نیروی برق کشور توسط سوخت‌های فسیلی تأمین می‌شود. این آمار نشان از اهمیت مدیریت مصرف گاز در مشترکین خانگی دارد. در این مطالعه با در نظر گرفتن تأثیر دمای هوا و جمعیت، یک مدل رگرسیون غیرخطی برای پیش‌بینی میزان مصرف گاز مشترکین خانگی در بازه‌های مختلف سال ارائه شده است. همچنین جهت بررسی عملکرد این مدل، از داده‌های مصارف مشترکین خانگی ناحیه ۲ کرج استفاده شده است. نتایج بدست آمده نشان می‌دهد که ارتباط معناداری میان دمای هوا و جمعیت و میزان گاز مصرفی وجود دارد که می‌تواند به پیش‌بینی دقیق‌تر مصارف در آینده کمک کند. پرونده مقاله

دسترسی آزاد مقاله

154 - Presenting a model of determinants of venture investment using the Soccer League Competition Algorithm (SLCA)
Nahid Naeemi Ramin Zeraatgari Gholamreza Rezaei

The present study aimed to investigate the determinants of venture investment in companies listed on the Tehran Stock Exchange using the Soccer League Competition Algorithm. The present study is applied in terms of aim and descriptive-correlational in terms of method an چکیده کامل

The present study aimed to investigate the determinants of venture investment in companies listed on the Tehran Stock Exchange using the Soccer League Competition Algorithm. The present study is applied in terms of aim and descriptive-correlational in terms of method and nature. The financial data of 100 companies listed on the Iran Stock Exchange for 5 years from 2014 to 2019 were selected as a sample and were analyzed using Excel, Eviews, and Matlab software. First, the determinants of venture investment in the Tehran Stock Exchange (investment volume, rate of export, company tax, disclosure index, rule of law index, diversification of the industry, diversification of the stages of the company's life cycle, type of ownership, number of sectors and subsidiary companies, company investment, company size, and company age) were identified. By using the Soccer League Competition Algorithm, a predictive model was created to determine the investment risk based on the extracted indicators. Then, the accuracy of this model in terms of predicting the riskiness of the investment was compared with the simulated annealing algorithm, the NN neural network, and the SOM neural network. پرونده مقاله

دسترسی آزاد مقاله

155 - Comparison of Risk Factors for Investing in Tehran Stock Exchange Using Smart Neural Network (Forecasting Tehran Stock Exchange with Neural Networks)
Hamid Mir Ramin Zaraatgari Reza Sotoudeh

In the stock market, predicting the trend of price series is one of the most widely investigated and challenging problems for investors and researchers. Risk managers need to decide when to leave a portfolio unhedged to generate profit and when to hedge in order to cont چکیده کامل

In the stock market, predicting the trend of price series is one of the most widely investigated and challenging problems for investors and researchers. Risk managers need to decide when to leave a portfolio unhedged to generate profit and when to hedge in order to control downside risk. There are multiple time scale features in financial time series due to different durations of impact factors and traders’ trading behaviors. While science and technology parks and towns and development centers have been established before 2002 in Iran and their number has been continually increased, there has been only a seminar presented by Tehran Securities and Exchange Organization, in Agricultural Bank, 2001, about venture capital in the country. Gradually, venture capital has been presented as a new mechanism for financing to entrepreneurs and a bill has been represented to the cabinet by Management and Planning Organization to define an annual definite budgetary in a general manner. The industry of venture capital has been under the attention of many organizations and science centers during recent years. The Institute of Elites’ technological development, on behalf of Centre for Innovation and Technology Cooperation, Presidency of the Islamic Republic of Iran, Management and Planning Organization of Iran, Industrial Development and Renovation Organization of Iran, Centre for New Industries of Iran. In this paper, we extend the field of expert systems, forecasting, and model by applying an Artificial Neural Network. ANN model is applied to forecast market volatility. The results show an overall improvement in forecasting using the neural network is compared to the linear regression method. پرونده مقاله

دسترسی آزاد مقاله

156 - شناسایی مودال ساختار ماشینهای دوار با استفاده از روش تخمین
حسین پیرزاده علیرضا محمدیون آرمن آدامیان

این مقاله به شناسایی مودال ساختار ماشینهای دوار با استفاده از روش تخمین طی دو آزمایش می‌پردازد. آزمایش1) شناسایی یک سیستم کامل بدون نیاز به اندازه گیری یک ردیف از ماتریس FRF درحالیکه یک ستون ماتریس مشخص باشد، با استفاده از یک مدل شبیه سازی روتور با چهار درجه آزادی. آزم چکیده کامل

این مقاله به شناسایی مودال ساختار ماشینهای دوار با استفاده از روش تخمین طی دو آزمایش می‌پردازد. آزمایش1) شناسایی یک سیستم کامل بدون نیاز به اندازه گیری یک ردیف از ماتریس FRF درحالیکه یک ستون ماتریس مشخص باشد، با استفاده از یک مدل شبیه سازی روتور با چهار درجه آزادی. آزمایش2) شناسایی پارامترهای موجود در یک سیستم صنعتی که در آزمایش1 نمایان نشده است. سیستم آزمایشی یک سیستم ارتعاشی پیوسته بوده بنابراین شناسایی آن نیازمند استفاده از روشی است که آنرا به مانند یک سیستم گسسته توصیف کند و اغتشاش در اندازه گیریها نشان داده شده تا بتوان سیستم پیوسته را با یک مدل کوتاه در محدوده ی فرکانسی معین بیان کرد، آنگاه امکان تخمین پارامترهای مودال آن وجود دارد. همچنین نشان داده شد که دقتی که با آن بردارهای ویژه چپ تعیین می شوند می‌تواند تحت تاثیر دقتی باشد که با آن ثابت های مودال مربوط به همان مودها، از داده های اندازه گیری شده، تعیین می‌گردند. بنابراین می‌توان این نتیجه را گرفت که بردارهای ویژه چپ خود تحت تاثیر حضور اغتشاش موجود در اندازه گیری قرار خواهند گرفت. اثرات وجود اغتشاش برای درجات آزادی با دامنه های پاسخ کوچک برای نواحی فرکانسی در مجاورت مودهای نزدیک به هم، برجسته تر خواهد بود. همچنین علیرغم وجود ارتعاش، بردارهای ویژه چپ پیش بینی شده برای مشخص کردن یک ردیف از ماتریسFRF با استفاده از اندازه گیری یکی از ستون های آن مناسب است. پرونده مقاله

دسترسی آزاد مقاله

157 - بررسی و پیش‌بینی تغییرات مکانی و زمانی کاربری اراضی شهر جدید هشتگرد با تلفیق داده‌های سنجش از دوری و مدل سلول‌های خودکار مارکوف
سارا سوخته زاری

تغییرات کاربری اراضی در اثر گسترش فیزیکی شهر در اکثر شهرهای ایران به قدری سریع است، که برنامه‌ریزان و مدیران شهری با توام ساختن فرایند برنامه‌ریزی در این مناطق با توسعه داینامیک و پیچیده آن روبرو هستند. هدف پژوهش حاضر، بررسی تغییرات کاربری اراضی و گسترش فیزیکی شهر هشتگر چکیده کامل

تغییرات کاربری اراضی در اثر گسترش فیزیکی شهر در اکثر شهرهای ایران به قدری سریع است، که برنامه‌ریزان و مدیران شهری با توام ساختن فرایند برنامه‌ریزی در این مناطق با توسعه داینامیک و پیچیده آن روبرو هستند. هدف پژوهش حاضر، بررسی تغییرات کاربری اراضی و گسترش فیزیکی شهر هشتگرد طی 19 سال گذشته و پیش‌بینی روند تغییرات کاربری‌ اراضی برای آینده می‌باشد. در پژوهش حاضر از تصاویر چند زمانه لندست استفاده شده است. با استفاده از الگوریتم طبقه‌بندی ماشین بردار پشتیبان و الگوریتم بررسی تغییرات کراس‌تب، روند تغییرات کاربری اراضی طی 19 سال گذشته ارزیابی گردید. همچنین، با استفاده از مدل پیش‌بینی سلول‌های خودکار-مارکوف روند تغییرات کاربری اراضی و گسترش فیزیکی شهر برای آینده پیش‌بینی شده است. نتایج حاصل از این پژوهش، بیانگر گسترش بی‌رویه شهر طی 19 سال گذشته می‌باشد. به طوری که اراضی ساخته شده با رشد 56/736 درصدی خود باعث تخریب بیش از حد اراضی کشاورزی و بایر در حاشیه شهر شده است. بررسی‌ها نشان می‌دهد که با افزایش فاصله از اراضی ساخته شده میزان تغییرات کاربری اراضی کاهش چشمگیری داشته است. بررسی تغییرات حادث شده در کاربری‌های اراضی نشان داد که 16/564 هکتار از اراضی بایر به کاربری مسکونی تبدیل شده است. پیش‌بینی تغییرات کاربری اراضی برای سال‌های 2028 و 2038 نشان داد که افزایش مساحت کاربری مسکونی همچنان ادامه خواهد داشت. که این امر ضرورت توجه ویژه برنامه‌ریزان و مدیران شهری به موضوع گسترش شهری و پیامد‌های آن در منطقه را نمایان می‌سازد. در نهایت ارزیابی دقت مدل سلول‌های خودکار نشان داد که درصد اختلاف مساحت طبقات طبقات کمتر از 8 درصد است. پرونده مقاله

دسترسی آزاد مقاله

158 - پیش‌بینی تغییرات ساخت و ساز شهری با استفاده از تصاویر ماهواره‌ای مبتنی بر مدل‌ سلول‌های خودکار مارکوف (مطالعه موردی شهر ساری)
سحاب بیدگلی کاشانی مهران فدوی ولی‌الله عزیزی‌فر

به موازات افزایش روزافزون جمعیت شهرنشین، میزان ساخت و ساز در فضای شهر توسعه یافته است. توسعه ساخت و ساز در فضای افقی و بدون توجه به محدودیت‌های موجود منجر به بروز مشکلات محیطی، اقتصادی و حقوقی برای شهروندان شده است. دستیابی به میزان، شدت و جهت توسعه ساخت وساز از گذشته ت چکیده کامل

به موازات افزایش روزافزون جمعیت شهرنشین، میزان ساخت و ساز در فضای شهر توسعه یافته است. توسعه ساخت و ساز در فضای افقی و بدون توجه به محدودیت‌های موجود منجر به بروز مشکلات محیطی، اقتصادی و حقوقی برای شهروندان شده است. دستیابی به میزان، شدت و جهت توسعه ساخت وساز از گذشته تا کنون و پیش‌بینی وضعیت ساخت و ساز در آینده، نخستین گام در جهت مدیریت علمی و عملی توسعه فیزیکی ساخت و ساز شهری، و برنامه‌ریزی و ارائه راهکارهای مناسب به منظور ایجاد تناسب مابین تخصیص مکانی-فضایی ساخت و ساز و انواع ملاحظات حقوقی، اقتصادی و محیطی می‌باشد. داده‌ها و اطلاعات مستخرج از تصاویر ماهواره‌ای ضمن نمایش تغییرات تاریخی ساخت و ساز شهری، به عنوان داده‌های ورودی اصلی، لازم و ضروری برای مدل‌های پیش‌بینی وضعیت آن در آینده مورد استفاده قرار می‌گیرند. در این تحقیق تصاویر ماهواره‌ای سنجنده های TM، ETM+ و OLI ماهواره لندست در بازه های زمانی 2007-1997 میلادی و 2017-2007 میلادی مربوط به شهر ساری مورد استفاده قرار گرفت. بعد از انجام تصحیحات هندسی، نقشه‌های محدوده شهر تهیه شد. سپس با استفاده از پارامترهای مؤثر در تغییرات ساخت وساز شهری، با استفاده از مدل سلول‌های خودکار مارکوف، میزان دقت شبیه‌سازی های انجام‌شده موردبررسی قرار گرفت. نهایتاً برای صحت سنجی، نقشه های شبیه‌سازی‌شده و نقشه واقعیت زمین با یکدیگر تطابق داده شدند. شبیه‌سازی روند توسعه ساخت و ساز در سال 2027 با استفاده از مدل سی ای مارکوف نشان داد که در صورت ادامه تجویزهای مدیریتی موجود، این محدوده از مساحت 90/4617 هکتار در سال 2017 به 44/4357 هکتار در سال 2027 کاهش خواهد یافت. لیکن بررسی نقشه‌های تغییرات و نقشه‌های پایداری نشان داد که در بازه زمانی 2017 الی 2027 میلادی پهنه‌های جدیدی تحت ساخت و ساز قرار می‌گیرند که پیش از این عمدتاً کاربری کشاورزی و بایر داشته‌اند. پرونده مقاله

دسترسی آزاد مقاله

159 - ارائه یک مدل ترکیبی غیرقطعی برای پیشبینی قیمت رمز ارز بیتکوین CNN-LSTM
علی علی جماعت سید محسن میرحسینی

10.30495/qrm.2022.702933

چکیدهدر جامع ه امروزی تنوع سرما یهگذا ری اهمیت بالایی یافته است . افرا د با تنو عبخشی به سبد سرمایه، ریسکسرما یهگذاری را کاهش م یدهند. بی تکوین نیز ب هعنوان یکی از سرما یههای دیجیتالی محبوبیت زیادی به دستآورده و در سبد سرمای هگذاری افراد و نهادها قرارگرفته است. پی شبینی چکیده کامل

چکیدهدر جامع ه امروزی تنوع سرما یهگذا ری اهمیت بالایی یافته است . افرا د با تنو عبخشی به سبد سرمایه، ریسکسرما یهگذاری را کاهش م یدهند. بی تکوین نیز ب هعنوان یکی از سرما یههای دیجیتالی محبوبیت زیادی به دستآورده و در سبد سرمای هگذاری افراد و نهادها قرارگرفته است. پی شبینی قیمت بیتکوین برای تعیین روندقیمتی و معاملات مهم است. برای ا ین کار رو شهای سنتی و نیز روشهای مبتنی بر یادگیری ماشین مختلفیارائه شده است که هرکدام مزایا و معا یب خود را دارن د. اخیرا استفاده از مد لهای ترکیبی مورد توجه قرارگرفته است. روشهای ترکیبی کارایی مناسبی داشته و از مزایای روشهای ترکیب شده استفاده میکنند. دراین مقاله، یک روش ترکیبی مبتنی بر شبکه عصبی عمیق کانولوشنی و شبکه عصبی بازگشتی با حذف تصادفیاحتمالی ارائه م یشود. حذف تصادفی احتمالی موجب منظمسازی یادگیری و پرهیز از بیش برازش شده وموجب کاهش خطای مدل م یشود. نتایج آزمایشهای انجام گرفته نشاندهنده دقت بالاتر روش پیشنهادینسبت به رو شهای مورد مقایسه در پیشبینی قیمت بیت کوین دارد .کلمات کلیدی: پیشبینی قیمت، بیتکوین، یادگیری ماشین و یادگیری عمیق . پرونده مقاله

دسترسی آزاد مقاله

160 - داکینگ مولکولی و پیش‌بینی ADMET ترکیبات فعال در عسل توالنگ علیه گلوبولین متصل به هورمون جنسی (SHBG) به منظور درمان ناباروری در مردان
حامد شهریارپور مصطفی قادری زفره‌ای

10.30495/zisti.2023.1987659.1163

مقدمه: گلوبولین متصل به هورمون جنسی (SHBG) پروتئینی است که توسط سلول‌های کبدی سنتز می‌شود و به هورمون‌های جنسی برای تنظیم سطح و فراهمی زیستی آن‌ها متصل می‌شود. اتصال آن به تستوسترون باعث کاهش تستوسترون زیستی در دسترس می‌شود و باعث بیماری‌های دستگاه تناسلی مردان مانند نا چکیده کامل

مقدمه: گلوبولین متصل به هورمون جنسی (SHBG) پروتئینی است که توسط سلول‌های کبدی سنتز می‌شود و به هورمون‌های جنسی برای تنظیم سطح و فراهمی زیستی آن‌ها متصل می‌شود. اتصال آن به تستوسترون باعث کاهش تستوسترون زیستی در دسترس می‌شود و باعث بیماری‌های دستگاه تناسلی مردان مانند ناباروری، اختلال نعوظ و سرطان پروستات می‌شود. هدف: در این پژوهش به صورت in silico، پتانسیل چندین ترکیب موجود در عسل توالنگ علیه پروتئین SHBG به منظور درمان ناباروری بررسی شده است. مواد و روش‌ها: شش ترکیب موجود در عسل توالنگ که شامل کاتچین، اتیل اولئیت، فیستین، هسپرتین، کائمفرول و لوتئولین از پژوهش‌ها پیشین و پایگاه داده دارویی PubChem به دست آمدند. با استفاده از داکینگ مولکولی اتصال این ترکیبات به پروتئین SHBG از لحاظ انرژی اتصال و نوع میان‌کنش‌های پروتئین-لیگاند بررسی شد. از نرم‌افزار AutoDock Vina نسخه 1.1.2 برای انجام داکینگ مولکولی و از نرم‌افزار Discovery Studio نسخه 21.1.0.289 برای تجزیه و تحلیل نتایج داکینگ مولکولی استفاده شد. سپس از وب سرورهای SwissADME و admetSAR 2.0 برای ارزیابی خواص فارماکوکینتیک این ترکیبات از طریق پیش‌بینی‌های ADMET استفاده شد. نتایج: انرژی اتصال به دست آمده از داکینگ مولکولی نشان داد که ترکیب لوتئولین با امتیاز 10- کیلوکالری بر مول به پروتئین SHBG متصل می‌شود، و میان‌کنش‌های هیدروژنی و آب‌گریز بیشتری نسبت به سایر ترکیبات مورد بررسی و همچنین ترکیباتی که در مقالات اخیر روی آن‌ها کار شده، دارد. ترکیبات کاتچین و فیستین نیز نتیجه قابل قبولی نشان دادند. بررسی ADMET و رادار فراهمی زیستی نشان داد، اگرچه این ترکیبات خواص فیزیکی و شیمیایی برای استفاده به عنوان دارو دارند، اما پتانسیل مهار بعضی از سیتوکروم‌ها و سمیت برای بعضی از ارگان‌های بدن و DNA یا سایر موارد ژنتیکی در بدن را دارند که در استفاده از این ترکیبات به عنوان دارو باید مد نظر قرار گرفته شوند. بحث و نتیجه‌گیری: با استفاده از این مطالعه in silico، چند مولکول مناسب با منشاء طبیعی علیه پروتئین SHBG شناسایی شد که توانایی بالقوه‌ای برای درمان ناباروری در مردان از خود نشان دادند. پرونده مقاله

دسترسی آزاد مقاله

161 - Survey of Confidentiality and trust in recommender systems
Seyed Hossein HosseiniNazhad Morteza Abdi Reyhan

Recommender systems has an important role in social networks. With the growth and development ofsocial networks, this issue is becoming more and more important. Recommending systems try to predict the user's interests and then suggest the closest items to the user's tas چکیده کامل

Recommender systems has an important role in social networks. With the growth and development ofsocial networks, this issue is becoming more and more important. Recommending systems try to predict the user's interests and then suggest the closest items to the user's tastes. Recommender systems analyze the user’s behavior and suggest the most appropriate items. By collecting user information, the system categorizes and summarizes them, allowing users to access more relevant information in less time. Recommender system is an intelligent system that creates appropriate suggestions for each person by discovering and analyzing user information.In this paper, we will investigate recommending systems in three sections: types of recommendingsystems, information confidentiality and trust in recommender systems. We will refer to the relatedworks in each section, review the challenges of them, and present our results and evaluation on thesemethods پرونده مقاله

دسترسی آزاد مقاله

162 - Analytical Adjustment of Predictive Stabilizer Parameters in Interconnected Industrial Systems: Three Reservoir System
Saeed Nikbakht Saeed Barghandan

Regarding the daily increasing development of process and chemical industries and the requirement to improve energy consumption and increasing the output, advanced process control strategies are utilized effectively. Model predictive control as a successful developed pr چکیده کامل

Regarding the daily increasing development of process and chemical industries and the requirement to improve energy consumption and increasing the output, advanced process control strategies are utilized effectively. Model predictive control as a successful developed process control has been proposed to deal with problems having constraints and multivariable systems. The successful administration of this strategy requires proper adjustment of its’ parameters. In this research, three reservoir system has been modeled as a laboratory plant and predictive control algorithm for first order system with delay has been designed in the form of an unlimited case. The delayed first order model has been achieved though the implementation of a white noise signal into the plant to recognize the system. Then parameters were adjusted using an analytic method. Results of simulations showed that model predictive control has represented an optimal performance through proper adjustment of the parameters. پرونده مقاله

دسترسی آزاد مقاله

163 - A Hybrid Type-2 Fuzzy-LSTM Model for Prediction of Environmental Temporal Patterns
Aref Safari Rahil Hosseini

Computational intelligence methods, such as fuzzy logic and deep neural networks, are robust models to solve real-world problems. In many dynamic and complex problems, statistical attributes frequently change over the time. Recurrent neural networks (RNN) are suitable t چکیده کامل

Computational intelligence methods, such as fuzzy logic and deep neural networks, are robust models to solve real-world problems. In many dynamic and complex problems, statistical attributes frequently change over the time. Recurrent neural networks (RNN) are suitable to model dynamic high-dimensional and non-linear state-space systems. Nevertheless, the RNN is incapable of modelling long-term dependencies in temporal data, and its learning using gradient descent is a complex and difficult task. Long Short-Term Memory (LSTM) networks were introduced to overcome the RNN issues, but coping with uncertainty is still a major challenge for the LSTM models. This research presents a Hybrid Type-2 Fuzzy LSTM (HHT2FLSTM) deep approach to learn long-term dependencies in order to obtain a reliable prediction in uncertain time series circumstances. The proposed model was applied to the air quality prediction problem to evaluate the model’s robustness in handling uncertainties in a real-world application. The proposed model has been evaluated on a real dataset that contains the outdoor pollutants from July 2011 to October 2020 in Tehran and Beijing by a 10-fold cv with an average area under the ROC curve of 97 % with a 95% confidence interval [95-97] %. پرونده مقاله

دسترسی آزاد مقاله

164 - Portfolio optimization based on return prediction using multiple parallel input CNN-LSTM
Hatef Kiabakht Mahdi Ashrafzadeh

The success of any investment portfolio always depends on the future behavior and price events of assets. Therefore, the better one can predict the future of an asset, the more profitable decisions can be made. Today, with the expansion of machine learning models and th چکیده کامل

The success of any investment portfolio always depends on the future behavior and price events of assets. Therefore, the better one can predict the future of an asset, the more profitable decisions can be made. Today, with the expansion of machine learning models and their advanced sub-branch i.e. deep learning, it is possible to better predict the future of assets and make decisions based on those predictions. In this article, a deep learning method called CNN-LSTM with multiple parallel inputs is introduced and is shown that it is able to provide a more accurate prediction of asset returns for the next period than other machine learning and deep learning models. Then, these forecasts will be used in two stages to build the portfolio. First, the assets that have the highest predicted return are selected, and then in the second step, Markowitz's mean-variance model will be used to obtain the optimal ratio of the selected assets for trading in the next period. The model test is performed on the assets randomly selected from different New York Stock Exchange industries based on the 11 Global Industry Classification Standard (GICS) Stock Market Sectors. پرونده مقاله

دسترسی آزاد مقاله

165 - An Adaptive Data Hiding Method for Compressed Videos in HEVC Standard
Mozhgan Zamani Mohammadreza Ramezanpour

High efficiency video coding (HEVC) standard is highly contributive in data hiding. Combining the HEVC standard with data hiding methods is a complex task, and because the highly efficient coding process is a powerful attack, eliminating some of the original video data چکیده کامل

High efficiency video coding (HEVC) standard is highly contributive in data hiding. Combining the HEVC standard with data hiding methods is a complex task, and because the highly efficient coding process is a powerful attack, eliminating some of the original video data would not have a significant effect on obtaining the best compression rates and transmission efficiency. The data embedded in the pixels is lost when compressed with the HEVC standard. In order to solve this problem, we need to use features other than the pixel value .In this paper, an efficient data hiding method is proposed through intra prediction modes in HEVC, where the intra prediction modes is applied as the secret data carrier obtained from the N smallest prediction units. The experimental results show that the average PSNR decreased by 0.11 db, while the bit rate increased by on average 0.25%. پرونده مقاله

دسترسی آزاد مقاله

166 - A MAPE-K Loop Based Model for Virtual Machine Consolidation in Cloud Data Centers
Negin Najafizadegan Eslam Nazemi Vahid Khajehvand

Today, with the rise of cloud data centers, power consumption has increased and cloud infrastructure management has become more complex. On the other hand, meeting the needs of cloud users is an important goal in the cloud infrastructure. To solve such problems, an auto چکیده کامل

Today, with the rise of cloud data centers, power consumption has increased and cloud infrastructure management has become more complex. On the other hand, meeting the needs of cloud users is an important goal in the cloud infrastructure. To solve such problems, an autonomous model with predictive capability is needed to do virtual machine consolidation at runtime effectively. In fact, using the feedback system of autonomous systems can make this process simpler and more optimized. The goal of this research is to propose a cloud resource management model that makes the virtual machine consolidation process autonomous, and by using a prediction method compromises between service level agreement violations and energy consumption reduction. In this research, an autonomous model is presented which detects overloaded servers in the analysis phase by a prediction algorithm. Also, at the planning phase, a multi heuristic algorithm based on learning automata is proposed to find proper servers for virtual machine placement. Cloudsim version 3.0.3 was used to evaluate the proposed model. The results show that the proposed model has reduced averagely the service level agreement violations, energy and migration counts by 67.08%, 11.61% and 70.64% respectively, compared to other methods. پرونده مقاله

دسترسی آزاد مقاله

167 - A New Multi-Wave Cellular Learning Automata and Its Application for Link Prediction Problem in Social Networks
Mozhdeh Khaksar Manshad Mohammad Reza Meybodi Afshin Salajegheh

Link Prediction (LP) is one of the main research areas in Social Network Analysis (SNA). The problem of LP can help us understand the evolution mechanism of social networks, and it can be used in different applications such as recommendation systems, bioinformatics, and چکیده کامل

Link Prediction (LP) is one of the main research areas in Social Network Analysis (SNA). The problem of LP can help us understand the evolution mechanism of social networks, and it can be used in different applications such as recommendation systems, bioinformatics, and marketing. Social networks can be shown as a graph, and LP algorithms predict future connections by using previous network information. In this paper, a multi-wave cellular learning automaton (MWCLA) is introduced and used to solve the LP problem in social networks. The proposed model is a new CLA with a connected structure and a module of LAs in each cell where a cell module’s neighbors are its successors. In the MWCLA method for improving convergence speed and accuracy, multiple waves have been used parallelly in the network. By using multiple waves, different information of the network can be considered for predicting links in the social network. Here we show that the model converges upon a stable and compatible configuration. Then for the LP problem, it has been demonstrated that MWCLA produces much better results than other approaches compared to some state-of-the-art methods. پرونده مقاله

دسترسی آزاد مقاله

168 - An Interval Type-2 Fuzzy-Markov Model for Prediction of Urban Air Pollution
Aref Safari Rahil Hosseini Mahdi Mazinani

10.22094/jcr.2023.1983189.1297

Prediction is a very important problem that appears in many disciplines. Better weather forecasts can save lives in the event of a catastrophic hurricane; better financial forecasts can improve the return on an investment. The increasing rate of industrial development a چکیده کامل

Prediction is a very important problem that appears in many disciplines. Better weather forecasts can save lives in the event of a catastrophic hurricane; better financial forecasts can improve the return on an investment. The increasing rate of industrial development and urbanization, especially in developing countries, has led to increased levels of air pollution along with increased concern about air pollution effect on human health. This has taken about a diversity of strategies for air quality management, prediction and pollution control. Today’s applications of fuzzy systems are emerging in uncertain environments such as air quality assessments. A fuzzy system that accounts for all of the uncertainties that are present, namely, rule uncertainties due to training with noisy data and measurement uncertainties due to noisy measurements that are used during actual forecasting. The performance results on real data set show the superiority of the fuzzy-markov model in the prediction process with an average accuracy of 94.79% compared to other related works. These results are promising for early prediction of the natural disasters and prevention of its side effects پرونده مقاله

دسترسی آزاد مقاله

169 - Epileptic Seizure Prediction using Multi-Channel Raw EEGs with Convolutional Neural Network
Jamal Nazari Ali Motie Nasrabadi Mohamad Bager Menhaj Somayeh Raiesdana

10.22094/jcr.2023.1981866.1296

Epileptic seizure prediction has been one of the interesting topics among researchers in recent years. Recent evidence suggests that, in many seizures, changes in the preictal signal begin minutes before the ictal begins, raising hopes of predicting the seizure onset be چکیده کامل

Epileptic seizure prediction has been one of the interesting topics among researchers in recent years. Recent evidence suggests that, in many seizures, changes in the preictal signal begin minutes before the ictal begins, raising hopes of predicting the seizure onset before it occurs. Convolutional neural network (ConvNet) is a powerful computational tool with deep learning capacity which is able to detect complex structures in data. In this study, we employed a ConvNet and a set of techniques to make optimal use of the existing data for an end-to-end learning. Multi-channel non-invasive raw EEGs from the CHB-MIT database were used for training of the proposed model. The proposed method resulted in sensitivity of 92.05% and false prediction rate of 0.073/h with the cross-validation approach in distinguishing preictal and ictal. We obtained a 10-minute seizure prediction horizon that is relatively higher than the values obtained in other researches. This longer time period can give the patient more opportunity for preventive actions. Seizure occurrence period was computed nearly 20 minutes which lets the patient wait less for the seizure to occur and this in turn makes him have less anxiety. Furthermore, a feature map visualizing method was employed in the present work to decode the employed deep network and to understand how it learns and what it learns when trying to solve the seizure prediction task. By investigating feature maps of the used ConvNet’s middle layer, we observed that the proposed network retains most of the beta and gamma band properties in layers. پرونده مقاله

دسترسی آزاد مقاله

170 - Protein Secondary Structure Prediction: a Literature Review with Focus on Machine Learning Approaches
Leila Khalatbari Mohammad Reza Kangavari

DNA sequence, containing all genetic traits is not a functional entity. Instead, it transfers to protein sequences by transcription and translation processes. This protein sequence takes on a 3D structure later, which is a functional unit and can manage biological inter چکیده کامل

DNA sequence, containing all genetic traits is not a functional entity. Instead, it transfers to protein sequences by transcription and translation processes. This protein sequence takes on a 3D structure later, which is a functional unit and can manage biological interactions using the information encoded in DNA. Every life process one can figure is undertaken by proteins with specific functional responsibilities. Consequently protein function prediction is a momentous task in bioinformatics. Protein function can be elucidated from its structure. Protein secondary structure prediction has attracted great attention since it’s the input feature of many bioinformatics problems. The variety of proposed computational methods for protein secondary structure prediction is very extensive. Nevertheless they couldn’t achieve much due to the existing obstacles such as abstruse protein data patterns, noise, class imbalance and high dimensionality of encoding schemes of amino acid sequences. With the advent of machine learning and later ensemble approaches, a considerable elevation was made. In order to reach a meaningful conclusion about the strength, bottlenecks and limitations of what have been done in this research area, a review of the literature will be of great benefit. Such review is advantageous not only to wrap what has been accomplished by far but also to cast light for the future decisions about the potential and unseen solutions to this area. Consequently in this paper it’s aimed to review different computational approaches for protein secondary structure prediction with the focus on machine learning methods, addressing different parts of the problem’s area. پرونده مقاله

دسترسی آزاد مقاله

171 - Designing and Optimizing the Fetch Unit for a RISC Core
Bahman Javadi Mojtaba Shojaei Mohammad Kazem Akbari Farnaz Irannejad

Despite the extensive deployment of multi-core architectures in the past few years, the design and optimization of each single processing core is still a fresh field in computing .On the other hand, having a design procedure (used to solve the problems related to the de چکیده کامل

Despite the extensive deployment of multi-core architectures in the past few years, the design and optimization of each single processing core is still a fresh field in computing .On the other hand, having a design procedure (used to solve the problems related to the design of a single processing core )makes it possible to apply the proposed solutions to specific-purpose processing cores .The instruction fetch, which is one of the parts of the architectural design, is considered to have the greatest effect on the performance .RISC processors, which have architecture with a high capability for parallelism, need a high instruction width in order to reach an appropriate performance .Accurate branch prediction and low cache miss rate are two effective factors in the operation of the fetching unit .In this paper, we have designed and analyzed the fetching unit for a 4-way( 4-issue )superscalar processing core .We have applied the cost per performance design style and quantitative approach to propose this fetch unit .Moreover, timing constrains are specially analyzed for instruction cache to enable the proposed fetch unit to be in a superpipeline system .In order to solve the timing problem, we have applied the division method to the branch prediction tables and the wave pipelining technique to the instruction cache. پرونده مقاله

دسترسی آزاد مقاله

172 - A Link Prediction Method Based on Learning Automata in Social Networks
Sara YounessZadeh Mohammad Reza Meybodi

Nowadays, online social networks are considered as one of the most important emerging phenomena of human societies. In these networks, prediction of link by relying on the knowledge existing of the interaction between network actors provides an estimation of the probabi چکیده کامل

Nowadays, online social networks are considered as one of the most important emerging phenomena of human societies. In these networks, prediction of link by relying on the knowledge existing of the interaction between network actors provides an estimation of the probability of creation of a new relationship in future. A wide range of applications can be found for link prediction such as electronic commerce and recommender systems or identification of terroristic relations in social networks. In this article, a new idea is presented for the prediction. It is an integration of the two methods of prediction of similarity score based link and prediction of probabilistic link, which is placed in a new category of link prediction methods. This idea acquires the similarity score between nodes from probabilistic techniques and through using learning automata, and provides better results compared to other criteria methods on standard datasets. پرونده مقاله

دسترسی آزاد مقاله

173 - Multi-Step-Ahead Prediction of Stock Price Using a New Architecture of Neural Networks
Mohammad Talebi Motlagh Hamid Khaloozadeh

Modelling and forecasting Stock market is a challenging task for economists and engineers since it has a dynamic structure and nonlinear characteristic. This nonlinearity affects the efficiency of the price characteristics. Using an Artificial Neural Network (ANN) is a چکیده کامل

Modelling and forecasting Stock market is a challenging task for economists and engineers since it has a dynamic structure and nonlinear characteristic. This nonlinearity affects the efficiency of the price characteristics. Using an Artificial Neural Network (ANN) is a proper way to model this nonlinearity and it has been used successfully in one-step-ahead and multi-step-ahead prediction of different stocks prices. Several factors, such as input variables, preparing data sets, network architectures and training procedures, have huge impact on the accuracy of the neural network prediction. The purpose of this paper is to predict multi-step-ahead prices of the stock market and derive the method, based on Recurrent Neural Networks (RNN), Real-Time Recurrent Learning (RTRL) networks and Nonlinear Autoregressive model process with exogenous input (NARX). This model is trained and tested by Tehran Securities Exchange data. پرونده مقاله

دسترسی آزاد مقاله

174 - ارتباط بین معیارهای کیفیت اطلاعات حسابداری در واکنش به مولفه های انگیزشی مدیران
عبدالله حسین زاده محمود موسوی شیری زهره حاجیها هاشم نیکومرام

مطالعات گذشته از معیارهای مختلفی جهت اندازه گیری کیفیت اطلاعات حسابداری استفاده کرده است که هریک بیانگر بعد خاصی از کیفیت می باشد. هدف این پژوهش ارائه چارچوبی جهت ارزیابی و مقایسه معیارهای کیفیت اطلاعات حسابداری شامل پایداری ، قابلیت پیش بینی و اقلام تعهدی در واکنش به م چکیده کامل

مطالعات گذشته از معیارهای مختلفی جهت اندازه گیری کیفیت اطلاعات حسابداری استفاده کرده است که هریک بیانگر بعد خاصی از کیفیت می باشد. هدف این پژوهش ارائه چارچوبی جهت ارزیابی و مقایسه معیارهای کیفیت اطلاعات حسابداری شامل پایداری ، قابلیت پیش بینی و اقلام تعهدی در واکنش به مولفه های انگیزشی پاداش، بدهی، سیاسی و مالیاتی می باشد. این پژوهش از نوع کاربردی و با رویکرد همبستگی انجام شده است. نمونه آماری پژوهش شامل 163 شرکت از شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی 1388 تا 1396 می باشد. داده های جمع آوری شده به روش داده های ترکیبی و رگرسیون حداقل مربعات مورد تجزیه و تحلیل قرار گرفته است .یافته‌های پژوهش نشان می‌دهد که انگیزه پاداش با کلیه معیارهای کیفیت اطلاغات حسابداری رابطه معنی داری دارد. به نحوی که با افزایش انگیزه پاداش، پایداری و اقلام تعهدی افزایش و قابلیت پیش بینی کاهش می یابد. هم چنین معیارهای کیفیت اطلاعات حسابداری در واکنش به انگیزه های مدیریت دارای روابط همگرایی، واگرایی و عدم ارتباط معنی دار می باشند. پرونده مقاله

دسترسی آزاد مقاله

175 - ارائه مدلی برای پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد و ویژه اقتصادی با استفاده از تکنیک شبکه عصبی چندلایه پرسپترون
مرتضی شکرزاده کمال الدین رحمانی فرزین مدرس خیابانی مجید باقرزاده خواجه

هدف اصلی از این پژوهش این است که مدلی را برای پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد و ویژه اقتصادی ارائه دهیم. برای تجزیه و تحلیل داده های این تحقیق از روش آمار توصیفی و امار استنباطی و از نرم افزارهایexpert choice، MATLAB و SPSS و PLS استفاده شده است و با است چکیده کامل

هدف اصلی از این پژوهش این است که مدلی را برای پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد و ویژه اقتصادی ارائه دهیم. برای تجزیه و تحلیل داده های این تحقیق از روش آمار توصیفی و امار استنباطی و از نرم افزارهایexpert choice، MATLAB و SPSS و PLS استفاده شده است و با استفاده از مبانی نظری و بصورت کتابخانه ای شش عامل موثر و متغیرهای پیش بینی کننده موفقیت یا شکست طرح های سرمایه گذاری در مناطق آزاد و ویژه اقتصادی کشور شناسایی و بعد از توصیف متغیرها و آزمون نرمال بودن، با استفاده از نرم افزار PLS تحلیل عاملی تاییدی متغیرها صورت گرفت که همگی عوامل از تحلیل عاملی تاییدی مناسبی برخوردار هستند. سپس با استفاده از رگرسیون خطی و آزمون آنالیز واریانس تاثیر هر یک از عوامل بر موفقیت یا شکست طرح های سرمایه گذاری بررسی گردید که نتایج این آزمون نشان دهنده تایید تاثیر هر یک از عوامل بوده است و با استفاده از تحلیل سلسله این عوامل رتبه بندی شدند، که با توجه به این اولویت بندی، شبکه عصبی مورد استفاده شده در این تحقیق نیز، شامل داده های 6متغیر به عنوان متغیر ورودی می باشد، با دو لایه میانی با تعداد 30 گره در لایه اولو سه گره در لایه دوم می باشد. که دارای یه خروجی است.که نتایج نشان دهنده این بود که مدل شبکه عصبی طراحی شده قدرت پیش بینی موفقیت طرح های سرمایه گذاری را دارد. پرونده مقاله

دسترسی آزاد مقاله

176 - ارائه یک الگوی پیش بینی فرار مالیاتی مشاغل مبتنی بر تکنیک های داده کاوی
محمد قاسمی صادق عابدی علی محتشمی

در این پژوهش با توجه به اهمیت موضوع و خلای پژوهش های پیشین، یک مدل پیش بینی فرار مالیاتی اصناف مبتنی بر تکنیک های داده کاوی ارائه می گردد. داده های مورد تحلیل شامل بررسی 5600 پرونده مالیاتی کلیه اصناف دارای کد مالیاتی در استان قزوین طی سال های ۹۳ تا ۹۸ می باشد. پرونده م چکیده کامل

در این پژوهش با توجه به اهمیت موضوع و خلای پژوهش های پیشین، یک مدل پیش بینی فرار مالیاتی اصناف مبتنی بر تکنیک های داده کاوی ارائه می گردد. داده های مورد تحلیل شامل بررسی 5600 پرونده مالیاتی کلیه اصناف دارای کد مالیاتی در استان قزوین طی سال های ۹۳ تا ۹۸ می باشد. پرونده مالیاتی مرتبط با اصناف در پنج گروه مالیاتی شامل گروه صنفی صاحبان دفاتر رسمی، گروه صنفی مشاورین املاک، گروه صنفی تالارهای پذیرایی، رستوران و مشاغل وابسته، گروه صنفی خدمات ارتباطی و گروه صنفی نمایشگاه و فروشگاه لوازم خودرویی و مشاغل وابسته می باشند. جهت مدل سازی از الگوی کلاس بندی شامل الگوریتم درخت تصمیم استفاده گردید. نتایج نشان می دهد، معیار پوشش برابر 68 %، معیار کاپا برابر 0.612 بدست آمده است که عملکرد خوب مدل ساز را نشان می دهد. همچنین با استفاده از تکنیک Cross Validation صحت اعتبار مدل پیش بینی مورد آزمون قرار گرفت تا با اطمینان بیشتری درصد عملکرد مدل سازی تخمین زده شود. معیار صحت برابر 67.79% نشان از قابلیت اطمینان مناسب جهت مدل پیش بینی می باشد. نتایج حاصل از این پژوهش می تواند در تدوین راهبردهای عملیاتی مبتنی بر داده کاوی جهت پیش بینی فرار مالیاتی اصناف در استان ها مورد بهره برداری قرار گیرد. پرونده مقاله

دسترسی آزاد مقاله

177 - بهینه سازی شبکه عصبی ELM در مسئله پیش‌بینی
جلال رضایی نور منصوره یاری ایلی اسماعیل هداوندی محمدحسین روزیهانی

برای محیط همیشه در حال تغییر این دوران و تغییر در شیوه تعاملات شرکت ها با تامین کنندگان و مشتریان و پیچیدگی بازارها، کاهش دوره عمر محصولات و اهمیت یافتن زمان پاسخگویی به مشتریان، پیش بینی تقاضای محصول عامل حیاتی برای رقابت پذیری سازمان ها می باشد. با پیش بینی دقیق الگوه چکیده کامل

برای محیط همیشه در حال تغییر این دوران و تغییر در شیوه تعاملات شرکت ها با تامین کنندگان و مشتریان و پیچیدگی بازارها، کاهش دوره عمر محصولات و اهمیت یافتن زمان پاسخگویی به مشتریان، پیش بینی تقاضای محصول عامل حیاتی برای رقابت پذیری سازمان ها می باشد. با پیش بینی دقیق الگوهای تقاضا، دولت و تولیدکنندگان می توانند براساس میزان و جهت جریان آتی تولید، برنامه ریزی ها را سازماندهی کنند و زیرساخت بهتری در رشد صنعت مهیا سازند. با هدف ارائه یک ابزار دقیق پیش بینی در صنعت فولاد، این مطالعه، به بهینه سازی شبکه عصبی ELM به کمک الگوریتم ژنتیک می پردازد. که در آن پارامترهای شبکه، از قبیل تعداد و توابع فعالسازی نورون ها در لایه مخفی، وزن های اتصالی بین ورودی ها و نورون های لایه مخفی، بایاس نورون های لایه مخفی و (پارامتر تنظیم سازی)، به کمک الگوریتم ژنتیک تعیین می شود. برای پیش بینی تقاضا فولاد خام کشور، داده های مرتبط با تولید و مصرف فولاد خام و محصولات فولادی کشور، بصورت ماهیانه و در بازه زمانی دی ماه 88 تا مرداد ماه 92 (جمعاً 44 نمونه و 22 مشخصه) جمع آوری گردید. داده های دی ماه 88تا بهمن91 در آموزش شبکه و داده های مربوط به اسفند91 تا مرداد 92 در آزمون شبکه استفاده شد. برای نشان دادن کارایی مدل پیش بینی کننده،مقایسه ی عملکرد از لحاظ دقت پیش بینی و سرعت یادگیری بین الگوریتم ELM بهینه شده باالگوریتم ELM و سایر شبکه های عصبی صورت گرفته است. معیارهای پیش بینی نشان دهنده ی عملکرد خوب ELM بهینه شده نسبت به سایر شبکه های عصبی می باشد. براساس آزمون های آماری و خطاهای RMSE و MAPE نتایج نشان می دهد که دقت ELM به مراتب بهتر از سایر روش های شبکه عصبی است. به علاوه، مدل ELM دو بار سریعتر از شبکه های عصبی کلاسیک است. براساس یافته ها می توان به یقین گفت که بین الگوریتم های مورد بررسی، ELM ابزار دقیق تر و قوی تری در مسئله تقاضای فولاداست.اﻟﺒﺘﻪ نوع بهینه یافته شبکه عصبی ELM دقت بهتری در مدل سازی تابع تقاضا داشته است ، وﻟﯽ روش ELM از نظرزمانی بهینه تر بوده است. پرونده مقاله

دسترسی آزاد مقاله

178 - طراحی الگوریتمی پویا برای کاوش در داده‌ها و پیش‌بینی صحیح پاسخ مشتری
مهدی زکی‌پور سینا نعمتی زاده محمد‌علی افشار کاظمی

مسئله شناسایی و پیش‌بینی پاسخ مشتریان جهت مخاطب قرار دادن در برنامه‌های بازاریابی مستقیم از دیرباز به عنوان یکی از مسائل مهم و مورد علاقة بازاریابان شیوة مستقیم مطرح شده است. بازاریابانی که از این رویکردها استفاده می‌کنند با خطر واکنش شدید مصرف‌کنندگانی که بازاریابی مست چکیده کامل

مسئله شناسایی و پیش‌بینی پاسخ مشتریان جهت مخاطب قرار دادن در برنامه‌های بازاریابی مستقیم از دیرباز به عنوان یکی از مسائل مهم و مورد علاقة بازاریابان شیوة مستقیم مطرح شده است. بازاریابانی که از این رویکردها استفاده می‌کنند با خطر واکنش شدید مصرف‌کنندگانی که بازاریابی مستقیم را تعرض به زندگی خصوصی خود تلقی می‌کنند و از آن رنجیده خاطر می‌شوند روبرو هستند، بنابراین حتی ممکن است شرکت‌هایی را که از این روش‌ها استفاده می‌کنند به کلی تحریم کنند. شبکه‌های عصبی به عنوان ابزاری قدرتمند برای پیش‌بینی پاسخ مشتریان بالقوه شناخته شده‌اند ولی همان‌گونه که در پژوهش‌های گذشته نیز عنوان شده است همانند سایر الگوریتم‌های پیش‌بینی در مواجهه با داده‌های نامتوازن تمایل زیادی به انحراف در نتایج دارند. در این پژوهش به منظور ارتقاء توان شناسایی و پیش‌بینی مشتریان بالقوه توسط شبکه‌های عصبی مصنوعی چندلایه ضمن استفاده از روش‌های متداول متعادل‌سازی داده‌ها که در سایر مقاله‌ها به کرات استفاده شده است، اقدام به ایجاد ترکیب‌های مختلف از مشتریان توسط خوشه‌بندی آنها کرده و در نهایت به معرفی یک الگوریتم ابتکاری و بسیار کارآمد جهت شناسایی و رتبه‌بندی مشتریان بالقوه پرداخته‌ایم. نتایج حاکی از آن است که ایجاد ترکیب بهینه‌ای از داده‌‌های مشتریان و پیاده‌سازی الگوریتم پویای پژوهش حاضر به طرز قابل توجهی موجب ارتقاء قدرت پیش‌بینی شبکه‌های عصبی مصنوعی شده است. پرونده مقاله

دسترسی آزاد مقاله

179 - Forecasting the Cost of Water Using a Neural Network Method in theMunicipality of Isfahan
Amir Mohammadzadeh Nasrin Mahdipour Arash Mohammadzadeh

Decision making on budgeting is one of the most important issues for executing managers. Budgeting is a major tool for planning andcontrol of projects. In public and non-profit organizations and institutions, estimating the costs and revenues plays an important role inr چکیده کامل

Decision making on budgeting is one of the most important issues for executing managers. Budgeting is a major tool for planning andcontrol of projects. In public and non-profit organizations and institutions, estimating the costs and revenues plays an important role inreceiving credit and budgeting. In this regard, in the present paper the case of Isfahan municipality is considered. One of the mainexpenditures of the 14 districts of Isfahan is the costs related to water. Predicting the total cost of water helps the municipality of Isfahan tooptimize the water use in its 14 urban zones. Thus, in this study the total cost of water in the districts of Isfahan is estimated usingregression analysis and neural network models. Then the results of the methods are compared with each other to minimize the deviationsfrom the approved budget. Finally, the neural network method is selected as the main simulation method for forecasting the total cost ofwater in the districts of Isfahan. پرونده مقاله

دسترسی آزاد مقاله

180 - Time Prediction Using a Neuro-Fuzzy Model for Projects in the Construction Industry
Behnam Vahdani Seyed Meysam Mousavi Morteza Mousakhani Hassan Hashemi

10.22094/joie.2016.231

This paper presents a prediction model based on a new neuro-fuzzy algorithm for estimating time in construction projects. The output of the proposed prediction model, which is employed based on a locally linear neuro-fuzzy (LLNF) model, is useful for assessing a project چکیده کامل

This paper presents a prediction model based on a new neuro-fuzzy algorithm for estimating time in construction projects. The output of the proposed prediction model, which is employed based on a locally linear neuro-fuzzy (LLNF) model, is useful for assessing a project status at different time horizons. Being trained by a locally linear model tree (LOLIMOT) learning algorithm, the model is intended for use by members of the project team in performing the time control of projects in the construction industry. The present paper addresses the effects of different factors on the project time and schedule by using both fuzzy sets theory (FST) and artificial neural networks (ANNs) in a construction project in Iran. The construction project is investigated to demonstrate the use and capabilities of the proposed model to see how it allows users and experts to actively interact and, consequently, make use of their own experience and knowledge in the estimation process. The proposed model is also compared to the well-known intelligent model (i.e., BPNN) to illustrate its performance in the construction industry. پرونده مقاله

دسترسی آزاد مقاله

181 - تطبیق نهاد نقض قابل پیش بینی قرارداد با مفهوم واجب موسع در اصول فقه
عباس میرشکاری امیر جوادی

10.22034/ijrj.2023.705653

تئوری نقض قابل پیش بینی قرارداد از شرایطی حکایت دارد که در آن یکی از طرفین با وجود مشاهدات و محاسبات خود نمی تواند به طور منطقی منتظر طرف دوم قرارداد جهت اجرای آن باشد. این تئوری در قراردادهایی موضوعیت می یابد که انجام آن منوط به مدت مشخصی باشد. در نظام حقوقی ایران تئور چکیده کامل

تئوری نقض قابل پیش بینی قرارداد از شرایطی حکایت دارد که در آن یکی از طرفین با وجود مشاهدات و محاسبات خود نمی تواند به طور منطقی منتظر طرف دوم قرارداد جهت اجرای آن باشد. این تئوری در قراردادهایی موضوعیت می یابد که انجام آن منوط به مدت مشخصی باشد. در نظام حقوقی ایران تئوری نقض قابل پیش بینی قرارداد به طور صریح پذیرفته نشده است حتی در مواد خاصی نیز عملا امکان طرح چنین تئوری میسر نمی باشد. اما از آنجایی که سرعت و امنیت در قراردادهای تجاری یکی از عناصر اصلی می باشند، طرح این تئوری در نظام حقوقی ایران این اجازه را به متعهدله می دهد که در صورت تاخیر بیش از اندازه متعهد برای انجام تعهدات قراردادی منتظر او نماند و با طرح این نوع نقض بتواند زمان مناسبی جهت جبران زمان از دست رفته داشته باشد. هرچند برای طرح این تئوری نیز در هر نظام حقوقی موانعی وجود دارد اما پذیرش آن می تواند بسیار کاربردی تر جلوه گر شود. در اصول فقه نیز در مبحثی با عنوان واجب موسع به انجام تکلیف در مدت زمان مشخص اشاره شده است که می توان از مبانی این واجب در طرح تئوری نقض قابل پیش بینی استفاده کرد. مهمترین سوالی که در این مقاله در پی پاسخ دادن به آن هستیم این است که با چه ابزاری می توان تئوری نقض قابل پیش بینی را در نظام حقوقی ایران توجیه کرد. با تامین این هدف از خاستگاه این تئوری تا تحلیل های حقوقی آن پیش رفته ایم. پرونده مقاله

دسترسی آزاد مقاله

182 - تأثیر مدیریت بهره وری سرمایه بر مدل های قیمت گذاری دارایی های سرمایه ای با تاکید بر چرخه عمر
علی علی محمد پور علی ذبیحی خسرو فغانی ماکرانی

10.30495/qjopm.2020.671975

مفهوم بهره وری سرمایه به اندازه گیری توان مدیریت در استفاده بهینه از سرمایه به عنوان یکی از منابع مهم و محدود شرکت می پردازدو طبیعی است که سهام شرکت های با بهره وری سرمایۀ بالا، بازده بالاتری نیز داشته باشند و همچنین قدرت توضیح دهندگی مدل های ارائه شده جهت پیش بینی چکیده کامل

مفهوم بهره وری سرمایه به اندازه گیری توان مدیریت در استفاده بهینه از سرمایه به عنوان یکی از منابع مهم و محدود شرکت می پردازدو طبیعی است که سهام شرکت های با بهره وری سرمایۀ بالا، بازده بالاتری نیز داشته باشند و همچنین قدرت توضیح دهندگی مدل های ارائه شده جهت پیش بینی بازده سهام با استفاده از بهره وری سرمایه افزایش یابد. هدف این مطالعه، بررسی چگونگی تأثیر بهره وری سرمایه بر قدرت توضیح دهندگی مدل های پیش بینی بازده سهام و همچنین بررسی این تأثیر در مراحل مختلف چرخه عمر شرکت ها است. نسبت سود عملیاتی به سرمایه ی سرمایه گذاری شدۀ شرکت(ROIC) به عنوان شاخص بهره وری سرمایه و از مدل های سه عاملی فاما و فرنچ (1993) و پنج عاملی فاما و فرنچ (2013) به عنوان مدل های پیش بینی بازده سهام و از روش جریان های نقدی دیکنسون(2011) جهت طبقه بندی چرخه عمرشرکت ها استفاده شده است. دورۀ مورد مطالعه، سال های 1384 الی 1394 است و نمونه ی انتخابی110 شرکت از میان شرکت های پذیرفته شده در بورس اوراق بهادار تهران و با ویژگی های تعریف شده، می باشد. نتایج حاصل از آزمون فرضیه ها نشان می دهد که بهره وری سرمایه بر رابطه بین عامل بازار و رشد با صرف ریسک در تمام مراحل چرخه عمر تأثیر دارد ولی بر رابطه بین عامل اندازه با صرف ریسک فقط در مرحله بلوغ تأثیر معنادار دارد. پرونده مقاله

دسترسی آزاد مقاله

183 - عملیاتی‌سازی راهبردهای سازمانی با رویکرد کنترل پیش‌نگر ریسک‌های اجرا
صبا هدایتی فر داود فیض حسن امیری

10.30495/qjopm.2021.584265.2362

سطوح بالای عملکرد سازمان فقط با وجود اقدامات و سیاست‌هایی که خوب به تصویر درآمده‌اند، محقق نخواهد شد، آنچه موجب تمایز می‌شود، چگونگی اجرای این اقدامات و سیاست‌ها است. هدف این پژوهش شناسایی ریسک‌های موجود در زمینهء عملیاتی سازی راهبردهای سازمانی و ارائه الگویی برای آنها چکیده کامل

سطوح بالای عملکرد سازمان فقط با وجود اقدامات و سیاست‌هایی که خوب به تصویر درآمده‌اند، محقق نخواهد شد، آنچه موجب تمایز می‌شود، چگونگی اجرای این اقدامات و سیاست‌ها است. هدف این پژوهش شناسایی ریسک‌های موجود در زمینهء عملیاتی سازی راهبردهای سازمانی و ارائه الگویی برای آنها به‌صورت پیش نگر و قبل از شروع مراحل اجرای راهبردهای تدوین‌شده است. بدین منظور پس از تعیین ریسک‌های احتمالی موجود در زمینهء عملیاتی سازی راهبردها و شناسایی عوامل ایجادکننده آنها با استفاده از مصاحبه با خبرگان این حوزه و تحلیل تفسیری نتایج، به روش مدل‌سازی سیستمی نرم[1]، اقدام به تبیین فعالیت‌های مؤثر بر کنترل ریسک‌های احتمالی و اجرای موفق راهبردهای سازمانی گردید و برای مدیریت مؤثر مراحل عملیاتی سازی راهبردها، عوامل مشترک در فعالیت‌ها به روش تحلیل عاملی اکتشافی[2] دسته‌بندی و در سه دسته قرار گرفتند. برابر نتایج حاصل، فعالیت‌های مؤثر بر کنترل ریسک‌های اجرا و عملیاتی سازی راهبردهای سازمانی، تحت عنوان امکان‌سنجی اجرای راهبردها، بررسی تناسب و همسویی و اجرای راهبردها، از یکدیگر تفکیک گردیده و الگوی سه مرحله‌ای عملیاتی سازی راهبردهای سازمانی، با قابلیت تشخیص نارسایی‌های احتمالی مراحل تدوین و اجرای راهبردها را تبیین نمودند.[1] - Soft System Modeling[2] - Explorer Factor Analyze پرونده مقاله

دسترسی آزاد مقاله

184 - پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی
بیتا دلنواز اصغری میر فیض فلاح شمس

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از س چکیده کامل

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در سه ساختار شبکه با الگوهای متفاوت ورودی استفاده گردید و نتایج مدل با نتایج مدل‌های رگرسیون چند متغیره و مدل‌های ARIMA مورد مقایسه قرار گرفت. نتایج تحقیق نشان داد که روش شبکه‌های عصبی خطای RMSE به میزان قابل توجهی کمتر از RMSE روشهای دیگر است و در بازار بورس اوراق بهادارتهران پیش‌بینی کوتاه مدت با فاصله زمانی کمتر، مناسب‌تر از پیش‌بینی بلند مدت با فاصله زمانی طولانی تر است. 3. autoregressive integrated moving average 4. Feed Forward Neural network 5. back propagation پرونده مقاله

دسترسی آزاد مقاله

185 - تعیین عوامل موثر در پیش بینی ترافیک تولیدی از کاربری های شهری(نمونه موردی، شهر نیشابور)
رستم صابری فر احمد خادریان

هدف تحقیق حاضر، تعیین سهم عوامل مختلف در پیش بینی میزان تولید ترافیک از کاربری های شهری در بخش مرکزی شهر نیشابور می باشد. به این منظور، از روش تحقیق توصیفی و تحلیلی در قالب همبستگی از نوع پیش بین استفاده شده است. برای گردآوری داده های مورد نیاز از پرسشنامه محقق ساخته به چکیده کامل

هدف تحقیق حاضر، تعیین سهم عوامل مختلف در پیش بینی میزان تولید ترافیک از کاربری های شهری در بخش مرکزی شهر نیشابور می باشد. به این منظور، از روش تحقیق توصیفی و تحلیلی در قالب همبستگی از نوع پیش بین استفاده شده است. برای گردآوری داده های مورد نیاز از پرسشنامه محقق ساخته بهره برداری شده است. برای تاثیر تغییرات مربوط به هر یک از کاربری های شهری، ابتدا نظر متخصصین و مدیران مرتبط با امر ترافیک مورد پرسش قرار گرفت و برای مقایسه این نتایج، نسبت به گردآوری داده های میدانی نیز اقدام شد. نمونه مورد نظر در بخش نظر سنجی از افراد بر اساس جدول مورگان 60 نفر تعیین شد که این افراد به دو گروه مساوی 30 نفری برای افراد شاغل در بدنه مدیریت شهری و سایر افراد تقسیم شدند. داده های گردآوری شده از این طریق با استفاده از نرم افزارهای مختلف به خصوص SPSS و مدل های آمار توصیفی و استنباطی به خصوص خی دو و تحلیل رگرسیون چند متغیره، تجزیه و تحلیل شد. نتایج نشان داد که تعداد شاغلین در هر کاربری (تعداد مدیران و کارمندان دائمی و موقت در برابر سایر مولفه های هر کاربری و یا عملکرد) می تواند میزان تولید ترافیک هر کاربری(عملکرد شهری) را به طور معناداری پیش بینی کند (000/0 P=). اما افزودن هر یک از متغیرهای محل استقرار، میزان تراکم و نوع عملکرد به متغیر تعداد شاغلین، نمی تواند قدرت پیش بینی تولید ترافیک را به طور معناداری افزایش دهد. پرونده مقاله

دسترسی آزاد مقاله

186 - تحلیل و پیش بینی نوسانات تراز سطح آب دریاچه ارومیه با استفاده از مدل ARIMA
خدیجه جوان فرهاد نصیری

این تحقیق به منظور بررسی نوسانات تراز سطح آب دریاچه ارومیه و ارائه مدلی مناسب جهت پیش بینی نوسانات تراز سطح آب صورت گرفته است. آمار ماهانه تراز آب دریاچه در دوره آماری (1392- 1345) مورد استفاده قرار گرفت و همگنی آنها توسط آزمون توالی بررسی شد. سپس داده‌ها مورد آزمون‌های چکیده کامل

این تحقیق به منظور بررسی نوسانات تراز سطح آب دریاچه ارومیه و ارائه مدلی مناسب جهت پیش بینی نوسانات تراز سطح آب صورت گرفته است. آمار ماهانه تراز آب دریاچه در دوره آماری (1392- 1345) مورد استفاده قرار گرفت و همگنی آنها توسط آزمون توالی بررسی شد. سپس داده‌ها مورد آزمون‌های ایستایی میانگین و واریانس قرار گرفت تا با ایجاد مرتبه در سری، ناایستایی سری از بین برود. رفتار ماهانه سری با استفاده از تفاضل‌گیری حذف گردیده و با استفاده از مدل‌های باکس- جنکینز، سری زمانی تراز سطح آب بررسی و بهترین مدل برازش داده شد. صحت و دقت مدل‌ها بر اساس معیارهای AIC و BIC و تحلیل نمودار توابع خودهمبستگی و خودهمبستگی جزئی تایید گردید و مدل مناسب بصورت ARIMA= (0,1,4)(1,1,1)12 انتخاب شد که ترکیبی از دو بخش غیر فصلی (q=4،d=1،p=0) و فصلی (SQ=1،SD=1،SP=1) می‌باشد. مدل انتخاب شده مورد برازش قرار گرفته و سپس مناسبت آن از طریق تجزیه و تحلیل باقیمانده‌ها مورد آزمون قرار گرفت و صحت آن تایید گردید. در نهایت با استفاده از این مدل رفتار سری در ماه‌های آینده مورد پیش‌بینی قرار گرفت. پرونده مقاله

دسترسی آزاد مقاله

187 - مطالعه وارزیابی دما شهر الشتر براساس مدل شبکه عصبی مصنوعی
مهناز حسنوند رضا برنا منیژه ظهوریان پردل علیرضا شکیبا

این تحقیق به منظور بررسی تغییر اقلیم در ناحیه غربی ایران استان لرستان شهرستان الشتر بر مبنای ارزیابی و پیش بینی تغییرات دما صورت گرفته است. هدف از این پژوهش "مدل سازی برای پیش‌بینی میانگین دمای ماهانه فصلی ایستگاه‌های منتخب استان لرستان به ویژه منطقه الشتر می‌باشد. شناس چکیده کامل

این تحقیق به منظور بررسی تغییر اقلیم در ناحیه غربی ایران استان لرستان شهرستان الشتر بر مبنای ارزیابی و پیش بینی تغییرات دما صورت گرفته است. هدف از این پژوهش "مدل سازی برای پیش‌بینی میانگین دمای ماهانه فصلی ایستگاه‌های منتخب استان لرستان به ویژه منطقه الشتر می‌باشد. شناسایی و آشکار سازی پهنه‌های آسیب‌پذیر با زیر ساخت‌هایی از قبیل کشاورزی؛ هیدرولوژی؛ حمل و نقل نواحی شهرستان در شرایط تغییر اقلیم می‌باشد. و با توجه به عدم وجود ودر دسترس نبودن دیتای سری زمانی 30 ساله‌ی الشتر لذا از شهرستان‌های همجوار از جمله ایستگاه‌های سینوپتیک خرم آباد -الشتر -بروجرد استفاده شده است در همین رابطه آمار 30ساله (1989-2019) تعداد سه ایستگاه سینوپتیک فوق‌الذکر استان لرستان مورد مطالعه و بررسی قرارگرفت و تغییرات معنی دار دماهای بیشینه و کمینه متوسط و همچنین دامنه شبانه‌روزی دما (dtr)که بیان گر اختلاف مقادیر دماهای بیشینه و کمینه می‌باشد در دو مقیاس زمانی فصلی و سالانه مورد تجزیه وتحلیل قرار گرفت. بدین منظور؛ ابتدا دوره مطالعاتی در بازه زمانی ۲۰ ساله و۳۰ ساله تقسیم شده و با توجه به میزان تغیرات دما؛ دوره نرمال اقلیمی برای کلیه ایستگاه‌ها استخراج گردید. سپس مقادیر میانگین داده‌ها؛ با استفاده از مدل شبکه عصبی مصنوعی توانایی زیادی در شبیه‌سازی و پیش‌بینی عناصر جوی و آب و هوایی به ویژه دما دارد. پکیج fore gast استفاده شده است. نرم ابزار برنامه نویسیr دو نمونه مورد مقایسه قرارگرفت و اختلاف‌های معنی‌دار سطح اطمینان ۹۵٪و۸۰٪ مشخص شدند. در این رابطه؛ بیشترین و کمترین تفاوت میانگین دوره‌ها؛ به ترتیب به دماهای کمینه و بیشینه اختصاص یافت همچنین روند داده‌ها در بازه زمانی ۲۰ ساله اخیر نیز مورد بررسی قرار گرفت و بر اساس نتایج آن؛ دماهای متوسط؛ بیشینه و کمینه دارای روندی افزایشی بوده است. از نظر فصلی نیز زمستان شدیدترین تغییرات را در منطقه در برداشته است میزان موارد اختلاف بین بازه زمانی ۲۰ ساله و بازه‌های ۳۰ (دوره نرمال) ۳۰ ساله به ترتیب ۹۵ درصد و۸۰ درصد می‌باشد. در بازه ۲۰ساله اخیر؛ بیشترین و کمترین روند معنی دار ایستگاه‌ها؛ به ترتیب در فصول تابستان و پاییز مشاهده گردید. دوره اقلیم تحت دو سناریوی nnar"foregast گزارش و استخراج شد. پرونده مقاله

دسترسی آزاد مقاله

188 - Enabling Link Prediction Optimization on Social Networks
banafshe poorsoltani fariba salahi Amir Daneshvar

Virtual social networks are a modern age of spaces that play an important role in the world today. They are highly dynamic networks with a complex structure. This is why it is very difficult to predict communication in this field. The prediction has recently caught the چکیده کامل

Virtual social networks are a modern age of spaces that play an important role in the world today. They are highly dynamic networks with a complex structure. This is why it is very difficult to predict communication in this field. The prediction has recently caught the attention of various researchers as one of the most important aspects of data mining. In addition to understanding the relationship between groups in social communities, the connection prediction in social networks also ensures that networks are popular. Link prediction is the prediction of the probability that two entities will interact based on some unique and common characteristics between them. Link prediction is intended to generate and propose a list of persons to whom the user communicates. This study introduces a prediction approach used to combine a genetic algorithm with an algorithm from Louvain. Data are first chosen from the default dataset as binary in this process. Then the best nodes are extracted and chosen based on merit using the genetic algorithm. Lastly, the modularity of the networks is obtained by using the Louvain algorithm. The findings indicated the optimal performance of this approach. پرونده مقاله

دسترسی آزاد مقاله

189 - A Comparative Study on Existing Techniques for Variable Reduction Including Factor Analysis, Principal Component Analysis, Correlation-Based Techniques, and Relief in Predicting the Risk of Stock Price Crash in Tehran Stock Exchange
Hassan Mohammadi Alireza Zarei Soudani

In order to determine how well component extraction techniques (principal component analysis and factor analysis) and variable (feature) reduction techniques (correlation-based and relief techniques) perform in identifying the likelihood of future stock price crashes, t چکیده کامل

In order to determine how well component extraction techniques (principal component analysis and factor analysis) and variable (feature) reduction techniques (correlation-based and relief techniques) perform in identifying the likelihood of future stock price crashes, the current study looked into these techniques' performance and effectiveness. To do this, a sample of 80 companies listed on Tehran Stock Exchange between 2006 and 2017 was chosen, and 17 often used major characteristics influencing the probability of a stock price drop were found by studying the literature. The criteria for evaluating the efficacy of the procedures under consideration included the mean absolute magnitude percentage error, root mean square error, and coefficient of determination. In comparison to the use of all key explanatory variables, the results showed that variable reduction and component extraction strategies work significantly better and are more effective at predicting the likelihood of future stock price crashes. پرونده مقاله

دسترسی آزاد مقاله

190 - Human Resource Planning by Using Markov Chains: Case Study of Islamic Azad University-Firouzkouh Branch
ملیحه صحرایی

This paper aims to predict and determine the net supply of manpower in Islamic Azad University - Firouzkouh Branch of for a specific period of time. For this purpose, Markov chain model is used to analyze human resources data obtained previously. At last, the number of چکیده کامل

This paper aims to predict and determine the net supply of manpower in Islamic Azad University - Firouzkouh Branch of for a specific period of time. For this purpose, Markov chain model is used to analyze human resources data obtained previously. At last, the number of labors, arrivals, departures, shortages and also surpluses of each unit will be predicted for the next 5 years during 2011-2015 in different departments and positions. It will provide managers with a clear image of the resources situation to make decision in terms of the promotion, reduction, transfer, and recruitment of the staff. All existing information about statistical population is applied in this contribution. پرونده مقاله

دسترسی آزاد مقاله

191 - The Role of Self-efficacy, Self-esteem and Attitude in Predicting Writing Performance of Students in Ethiopian Context
Ebabu Adugna

The study aimed to investigate students’ self-efficacy, self-esteem, and attitude as determinants of their writing performance. The participants for the study were 373 South Gonder Zone Preparatory School students who were chosen using multistage sampling techniqu چکیده کامل

The study aimed to investigate students’ self-efficacy, self-esteem, and attitude as determinants of their writing performance. The participants for the study were 373 South Gonder Zone Preparatory School students who were chosen using multistage sampling technique. Questionnaire and writing test were employed to gather data. Pearson’s Correlation technique was used to analyze the associations among the variables of this study. A standard multiple regression technique was used to check the combined effect of the students’ self-efficacy, self-esteem and attitude on the writing performance of students; a Stepwise regression technique was used to check the effect that each predictor variable could have on the students’ writing performance. Also, ANCOVA was employed to compute the independent effects of the students’ self-efficacy, self-esteem and attitude on the students’ writing performance after age and gender were adjusted. The study revealed that (1) the variables were significantly and positively correlated to each other; (2) the combined effect of the independent variables on students’ writing performance was R2 = .222 which means that 22.2% of the variation in the students’ writing performance was explained by the composite impact of self-esteem, attitude and self-efficacy of writing; (3) the independent effects of the three predictor variables on writing performance were found to be significant although attitude was identified as the only predictor of writing performance when age and gender were controlled. The study concludes that self-efficacy, self-esteem and attitude have significant roles in predicting performance of writing though attitude takes the lion’s share in determining the latter. پرونده مقاله

دسترسی آزاد مقاله

192 - PSPGA: A New Method for Protein Structure Prediction based on Genetic Algorithm
Arash Mazidi Fahimeh Roshanfar

Bioinformatics is a new science that uses algorithms, computer software and databases in order to solve biological problems, especially in the cellular and molecular areas. Bioinformatics is defined as the application of tools of computation and analysis to the capture چکیده کامل

Bioinformatics is a new science that uses algorithms, computer software and databases in order to solve biological problems, especially in the cellular and molecular areas. Bioinformatics is defined as the application of tools of computation and analysis to the capture and interpretation of biological data. Protein Structure Prediction (PSP) is one of the most complex and important issues in bioinformatics, and extensive researches has been done to solve this problem using evolutionary algorithms. In this paper, we propose a genetic based method in order to solve protein structure prediction problem with increasing the accuracy of prediction, using a crossover operator based on pattern mask. Further, we compare two genetic based method to evaluate the proposed method. The results of the implementation of our proposed algorithm on five standard test sequences show that the use of a pattern mask-based crossover operator in the genetic algorithm can significantly improve the accuracy compared to previous similar algorithms. پرونده مقاله

دسترسی آزاد مقاله

193 - Sport Result Prediction Using Classification Methods
Arash Mazidi Mehdi Golsorkhtabaramiri Naznoosh Etminan

Traditional sport was based on the ability of the players and less science and knowledge was considered. However, sport has become a profession and an industry. Therefore, the use of technology and analysis on data in order to achieve goals is very important. Classifica چکیده کامل

Traditional sport was based on the ability of the players and less science and knowledge was considered. However, sport has become a profession and an industry. Therefore, the use of technology and analysis on data in order to achieve goals is very important. Classification is one of technologies to classify new incoming samples. Furthermore, sports produce considerable information about each season, teams, matches and players. Classification on sport data helps managers and coaches in order to predict the match result, evaluate the player performance, predict the player injury, identify the sports talent and evaluate the match strategy. There are many algorithms to predict the basketball results, track the health of players and determine the strategy of the match against different opponents, which help coaches a lot. Further, preprocessing procedure makes better dataset. In this paper, we use classification methods on sport dataset using preprocessing procedure and without preprocessing. The results show an improvement was obtained results using preprocessing. پرونده مقاله

دسترسی آزاد مقاله

194 - A Hybrid Model Using Deep Learning to Predict Stock Price Index
Mohammad Reza Shahraki

Predicting the stock price is a demanding task since multiple factors affect it. To enhance the stock price index prediction accuracy, the current study hybridizes variational mode decomposition (VMD) with the CNN-LSTM model. The proposed model, VMD-CNN-LSTM, works base چکیده کامل

Predicting the stock price is a demanding task since multiple factors affect it. To enhance the stock price index prediction accuracy, the current study hybridizes variational mode decomposition (VMD) with the CNN-LSTM model. The proposed model, VMD-CNN-LSTM, works based on the decomposition-and-ensemble framework. To do this, VMD and CNN-LSTM were used to deal with the nonstationary and nonlinear nature of the stock price data. The former was first applied to the decomposition of time-series data into a number of components. Then, CNN-LSTM was applied to the prediction of the components. To end with, all the components’ prediction results were summed up to attain the final prediction result. To verify the effectiveness of the proposed model in terms of predicting the stock price index, its performance was compared to some single models as well as some VMD- and EMD-based hybrid models. The results not only confirmed the superiority of the hybrid models over the single ones, but also showed the higher effectiveness of VMD-based models compared to EMD-based ones regarding the prediction accuracy. پرونده مقاله

دسترسی آزاد مقاله

195 - آزمون تجربی ثبات، قابلیت پیش بینی و نوسانات در بازار سرمایه کشورهای حوزه خلیج فارس
یدالله دادگر بهزاد ورمزیاری

این مقاله به بررسی رابطه پویای بازارهای مالی، پایداری، قابلیت پیش بینی و میزان ماندگاری نوسانات شوک ها در بازارهای سهام کشورهای ایران، عربستان، امارات، قطر، بحرین و عمان پرداخته است. در این تحقیق با به کارگیری داده های ماهیانه برای دوره زمانی 20 ساله 1990 تا 2010 از مدل چکیده کامل

این مقاله به بررسی رابطه پویای بازارهای مالی، پایداری، قابلیت پیش بینی و میزان ماندگاری نوسانات شوک ها در بازارهای سهام کشورهای ایران، عربستان، امارات، قطر، بحرین و عمان پرداخته است. در این تحقیق با به کارگیری داده های ماهیانه برای دوره زمانی 20 ساله 1990 تا 2010 از مدل های خودهمبسته واریانس ناهمسانی شرطی تعمیم یافته (GARCH) و مدل های سری زمانی خودهمبسته میانگین متحرک (ARMA) استفاده شده است. نتایج نشان می دهد بازار سهام ایران قابلیت پیش بینی چندانی ندارد. اکثر بازارها نوسانات خوشه ای است و تقریبا در هیچ یک از بازارها به جز عمان نوسانات انفجاری وجود ندارد. همچنین در کشورهای بحرین و عمان در سطح 5% و در ایران در سطح 1% میزان بازدهی داری پایداری نمی باشد. با وجودی که بازارهای این کشورها ظرفیت های بالایی برای کسب بازدهی سرمایه گذاری هستند اما نتایج این مقاله نشان دهنده پائین بودن میزان ارتباط این بازارها بوده است. همچنین نتایج نشان می دهد هیچ بازار انفرادی توانایی رهبری این مجموعه بازارها را ندارد. پرونده مقاله

دسترسی آزاد مقاله

196 - شناسایی و پیش‌بینی بحران‌های بانکی در ایران
ژاله زارعی اکبر کمیجانی

چکیده بخش بانکی ایران به دلیل حمایت‌های دولت، هیچ‌گاه با پدیده‌هایی مانند هجوم بانکی و ورشکستگی بانک‌ها مواجه نشده است. اما ارزیابی شاخص فشار بازار پول با استفاده از رهیافت الگوی چرخشی مارکف در دوره زمانی 1369 تا 1392 با تواتر فصلی نشان می‌دهد که ایران در دوره‌هایی بح چکیده کامل

چکیده بخش بانکی ایران به دلیل حمایت‌های دولت، هیچ‌گاه با پدیده‌هایی مانند هجوم بانکی و ورشکستگی بانک‌ها مواجه نشده است. اما ارزیابی شاخص فشار بازار پول با استفاده از رهیافت الگوی چرخشی مارکف در دوره زمانی 1369 تا 1392 با تواتر فصلی نشان می‌دهد که ایران در دوره‌هایی بحران بانکی را تجربه کرده است. همچنین آزمون هشدارهای اولیه، نشان می‌دهد که متغیرهای رشد نرخ ارز حقیقی، نرخ رشد تسهیلات اعطایی به بخش غیردولتی، نرخ رشد تولید ناخالص‌ داخلی حقیقی، نرخ رشد قیمت مسکن، و رشد میانگین نرخ بهره حقیقی تسهیلات پیش‌بینی‌کننده احتمال وقوع بحران بانکی در ایران می‌باشند. مدل تصریح شده در این روش توانسته است در ۷۷ درصد مواردی که بحران اتفاق افتاده است، وقوع بحران را با احتمال بالای 40 درصد پیش‌بینی نماید و تنها 1۲ درصد سیگنال اشتباه داشته است. پرونده مقاله

دسترسی آزاد مقاله

197 - مقایسه‌ی پیش‌بینی نرخ ارز بر اساس مدل‌های غیرخطی STAR و مدل‌های رقیب
حسن خداویسی علی وفامند

این مقاله ضمن بررسی و انجام آزمون غیرخطی برای داده‌های ماهیانه‌ی نرخ ارز بازار رسمی ایران، به مدل‌سازی و پیش‌بینی روند سری زمانی نرخ ارز با استفاده از رگرسیون غیرخطی انتقال ملایم[1] می‌پردازد. هم‌چنین به منظور مقایسه عملکرد پیش‌بینی‌های خارج از نمونه، مدل رگرسیون غیرخطی چکیده کامل

این مقاله ضمن بررسی و انجام آزمون غیرخطی برای داده‌های ماهیانه‌ی نرخ ارز بازار رسمی ایران، به مدل‌سازی و پیش‌بینی روند سری زمانی نرخ ارز با استفاده از رگرسیون غیرخطی انتقال ملایم[1] می‌پردازد. هم‌چنین به منظور مقایسه عملکرد پیش‌بینی‌های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینه‌سازی الگوریتم ژنتیک و مدل ARIMA برآورد می‌گردد. ارزیابی نتایج این مطالعه تأییدکننده‌ی رفتار غیرخطی نرخ ارز در ایران و عملکرد بهتر مدل‌های غیرخطی نسبت به مدل ARIMA در پیش‌بینی خارج از نمونه نرخ ارز برای افق 12 ماهه بر اساس معیارهایRMSE ، MAE و DAمی‌باشد. [1].Smooth Transition Regression پرونده مقاله

دسترسی آزاد مقاله

198 - بسط مدل‌سازی درماندگی مالی با استفاده از مدیریت سود شرکت‌ها در محیط اقتصادی ایران
عباس رمضان زاده زیدی خسرو فغانی ماکرانی علی جعفری

هدف این مقاله بسط مدل پیش‌بینی درماندگی مالی با استفاده از مدیریت سود شرکت‌هاست. بنابراین، ‌ضمن طراحی مجدد مدل پیش بینی درماندگی مالی آلتمن (1983) با متغیر مدیریت سود واقعی به عنوان یک متغیر پیش‌بین، عملکرد مدل اولیه و مدل تعدیل شده در پیش بینی درماندگی مالی شرکت‌های پذ چکیده کامل

هدف این مقاله بسط مدل پیش‌بینی درماندگی مالی با استفاده از مدیریت سود شرکت‌هاست. بنابراین، ‌ضمن طراحی مجدد مدل پیش بینی درماندگی مالی آلتمن (1983) با متغیر مدیریت سود واقعی به عنوان یک متغیر پیش‌بین، عملکرد مدل اولیه و مدل تعدیل شده در پیش بینی درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران مورد مطالعه تطبیقی قرار گرفت. نمونه آماری پژوهش را تعداد 179 شرکت طی سال های 1396-1387 تشکیل می‌دهد. تجزیه و تحلیل داده ها و آزمون فرضیه ها با استفاده از رگرسیون لجستیک چندگانه انجام شد. یافته ها نشان داد دقت کلی مدل تعدیل شده نسبت به مدل اولیه بیش‌تر است. بنابراین، در تحلیل درماندگی مالی، لحاظ کردن مدیریت سود واقعی باعث بهبود دقت مدل آلتمن (1983) در پیش بینی درماندگی مالی شرکت‌ها می‌شود. پرونده مقاله

دسترسی آزاد مقاله

199 - Investigating Predictive Maintenance Strategies for CNC Machine Tools in the Industry 4.0 Era
Fionn Foley

This research compares different approaches for achieving precise predictive maintenance (PdM) results from CNC machine tools. For smaller enterprises, it is crucial to be able to upgrade their existing industrial machines with industry 4.0 systems, as the global market چکیده کامل

This research compares different approaches for achieving precise predictive maintenance (PdM) results from CNC machine tools. For smaller enterprises, it is crucial to be able to upgrade their existing industrial machines with industry 4.0 systems, as the global marketplace becomes more competitive. The evolution of the Internet of Things (IoT) and the creation of cyber-physical systems (CPS) in the industry has enabled big data generation. New maintenance methodologies have emerged where decisions are driven by mathematical models and data analysis. In this study, a low-cost strategy is used as a baseline to establish system accuracy. Results are then compared to a more comprehensive strategy outlining the potentials of these retrofit predictive maintenance (PdM) systems. Numerous data modeling techniques were employed to increase system accuracy while focusing on the remaining useful life (RUL) of the cutting tool. Through analysis of the selected strategies favorable correlation is evident between predicted results and physical tool wear, optimal accuracy of 95.68% is achieved by utilizing hybrid data modeling techniques. The study highlights the possibilities for enterprises looking to adopt PdM strategies and consequently capitalize on the potential of Industry 4.0. پرونده مقاله

دسترسی آزاد مقاله

200 - بررسی آموزش شبکه عصبی با استفاده از الگوریتم‌های فراابتکاری به‌منظور پیش‌بینی شاخص کل در بورس ایران
سیداحمد میرزائی زکیه نیکدل زهرا نیکدل

پیش‌بینی و آنالیز حرکات بازار سهام موضوع بسیار مهم برای محققان، معامله گران و تحلیل گران بازار می باشد و نقش مهمی در اقتصاد امروز دارد. تنوع در سیاست هایی مانند سیاست های دولتی و سیاست های اقتصادی بر بازار سرمایه تأثیر می گذارند و باعث تغییرات قیمتی سهام می شوند. پیش‌بی چکیده کامل

پیش‌بینی و آنالیز حرکات بازار سهام موضوع بسیار مهم برای محققان، معامله گران و تحلیل گران بازار می باشد و نقش مهمی در اقتصاد امروز دارد. تنوع در سیاست هایی مانند سیاست های دولتی و سیاست های اقتصادی بر بازار سرمایه تأثیر می گذارند و باعث تغییرات قیمتی سهام می شوند. پیش‌بینی حرکات بازار به‌صورت روزانه، به دلیل غیرخطی بودن و آشوبناک بودن حرکات قیمت سهام کار بسیار مشکلی می باشد. روش های مختلفی برای پیش‌بینی در بورس وجود دارد. تکنیک های هوش مصنوعی به‌صورت گسترده برای پیش‌بینی داده های با ساختار غیرخطی و آشوبناک به کار گرفته‌شده‌اند. یکی از این تکنیک‌ها استفاده از شبکه‌های عصبی می‌باشد. درصورتی‌که شبکه عصبی به‌درستی آموزش داده شود، خطای کمتری در پیش‌بینی خواهد داشت. در این پژوهش با استفاده از ۸ الگوریتم فراابتکاری اقدام به آموزش شبکه عصبی پرسپترون چندلایه خواهیم کرد و به پیش‌بینی شاخص کل بورس تهران خواهیم پرداخت. نتایج به‌دست‌آمده از این پژوهش نشان داد که الگوریتم بهینه‌سازی گرگ خاکستری دارای کمترین خطا در آموزش شبکه عصبی دارد. پرونده مقاله

دسترسی آزاد مقاله

201 - طراحی مدل پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با مدل رگرسیون لوجیت
فرهاد سنچولی

با توجه به نگرانی‌هایی که سرمایه‌گذاران از بازگشت اصل و سود سرمایه‌ دارند و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید، طراحی یک مدل قابل اطمینان جهت پیش‌بینی احتمال وقوع ورشکستگی شرکت‌ها برای راهنمایی برا چکیده کامل

با توجه به نگرانی‌هایی که سرمایه‌گذاران از بازگشت اصل و سود سرمایه‌ دارند و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید، طراحی یک مدل قابل اطمینان جهت پیش‌بینی احتمال وقوع ورشکستگی شرکت‌ها برای راهنمایی برای تصمیم‌گیرندگانی همچون شرکت-های سرمایه‌گذاری، بانک‌ها و دولت ضروری به نظر می‌رسد. در این پژوهش از روش شبکه عصبی مصنوعی و روش رگرسیون لوجیت جهت پیش‌بینی ورشکستگی تعدادی از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های 1395 تا 1399 استفاده شده و نتایج با روش رگرسیون لوجیت مقایسه شده است. میزان دقت کلی پیش‌بینی روش شبکه عصبی مصنوعی برای هریک از سال-های t، t-1، t-2 و t-3 به ترتیب برابر با 55/96 % ، 55/96 % ،24/92 % و 24/92 % و برای روش رگرسیون لوجیت برای همین سال‌ها به ترتیب 94% ، 82/94% ، 51/90% و 06/87% می‌باشد که نشان داد روش شبکه عصبی مصنوعی از دقت بالاتری نسبت به روش رگرسیون لوجیت برخوردار می باشد. لذا می توان نتیجه گرفت که روش شبکه عصبی مصنوعی ابزار مناسب‌تری برای پیش‌بینی ورشکستگی شرکت‌ها در اختیار قرار می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

202 - تبیین جرم‌شناختی تأثیر تجربه‌های زیسته بر تقویت کشش‌های مجرمانه در فضای سایبر مورد مطالعه: زندان تهران بزرگ (فشافویه)
گلاویژ شیخ الاسلامی وطنی محمد آشوری نسرین مهرا محمدعلی مهدوی ثابت

10.30495/cyberlaw.2023.701476

در فرآیند گذار از اندیشه به عمل مجرمانه آنچه برای یک مجرم سایبری در تمایل نخستین یا مستمر وی به سمت ارتکاب جرم روی می‌دهد؛ کشش بزهکارانه قوی و فقدان یا ضعف بازدارنده‌هایی است که موجب عدم پیوند او به جامعه می‌گردد. این روند تدریجی با تمرکز بر مؤلفه‌های خطر در دوره‌های سن چکیده کامل

در فرآیند گذار از اندیشه به عمل مجرمانه آنچه برای یک مجرم سایبری در تمایل نخستین یا مستمر وی به سمت ارتکاب جرم روی می‌دهد؛ کشش بزهکارانه قوی و فقدان یا ضعف بازدارنده‌هایی است که موجب عدم پیوند او به جامعه می‌گردد. این روند تدریجی با تمرکز بر مؤلفه‌های خطر در دوره‌های سنی مختلف و مبتنی بر سه مؤلفه بنیادی که شامل؛ الگوهای یادگیری و آموخته‌ها، تجربه‌ها و خاطرات سرکوب‌شده کودکی و درنهایت فقدان علقه‌های خانوادگی و اجتماعی است که موردمطالعه قرار خواهد گرفت. بر این اساس، پژوهش حاضر در پرتو تحلیلی علت‌شناسانه به تبیین این واقعیت می‌پردازد که چگونه نیروهای اجتماعی (خانواده، دوستان، فرهنگ، شرایط محیطی، فقر و...) می‌توانند در ساخت یک هویت مجرمانه مؤثر واقع گردند؟ رویکردی که باهدف دستیابی به نتایج کاربردی، طیفی از متغیرها را در پرتو مبانی جرم‌شناسانه‌ نظری بر روی جامعه آماری مجرمان سایبری به آزمون گذارده تا بتواند به الگویی سبب‌شناخی مبتنی بر مهم‌ترین عوامل تأثیرگذار بر روند مجرمانه آن‌ها دست یابد. متغیرهایی که غالباً ظهور، استمرار و مداومت جرائم سایبری را امری اکتسابی و آموختنی نشان می‌دهند که سرشت (ارث) نقش ناچیزی در شکل‌گیری آن‌ها ایفا می‌نماید. بر این اساس، پژوهش حاضر که تحقیقی ترکیبی و پدیدارشناسانه می‌باشد ازنظر ماهیت و روش، توصیفی– تحلیلی و از جهت هدف، از نوع کاربردی است. جامعه آماری این پژوهش، مشتمل بر گروهی از محکومان زندان تهران بزرگ (فشافویه) می‌باشند که دوران محکومیت خود را در زندان مذکور پشت سر می‌نهادند. یافته‌ها توصیف‌گر این واقعیت است که تمایل به جرائم سایبری و حرکت در مسیر آن محصول یک فرآیند تدریجی و پلکانی است نه یک واقعه. لازم به ذکر است که محاسبات آماری با استفاده از نرم‌افزار SPSS 22 و بر مبنای آمار توصیفی- استنباطی (با اعمال روش معادله‌گیری رگرسیون چند متغیره) تحصیل گردیده است. پرونده مقاله

دسترسی آزاد مقاله

203 - ارائه یک روش هوشمند برای پیش‌بینی وقوع مرگ براساس سن بیمار و حجم خون‌ریزی در عکس سی‌تی‌اسکن
یسرا عزیزی نصرآبادی علی جمالی نظری حمید قدیری فرشید باباپور مفرد

هدف از این مقاله پیش بینی زنده ماندن و یا مرگ افراد مبتلا به خون ریزی مغزی در طی سی روز بر اساس میزان خون ریزی مغزی است. تشخیص و درمان به موقع و صحیح خون ریزی مغزی از اهمیت بسیار بالایی برخوردار است، چنانچه در مدت این سی روز فوت بیمار پیش بینی شود، پزشک معالج باید مراقب چکیده کامل

هدف از این مقاله پیش بینی زنده ماندن و یا مرگ افراد مبتلا به خون ریزی مغزی در طی سی روز بر اساس میزان خون ریزی مغزی است. تشخیص و درمان به موقع و صحیح خون ریزی مغزی از اهمیت بسیار بالایی برخوردار است، چنانچه در مدت این سی روز فوت بیمار پیش بینی شود، پزشک معالج باید مراقبت های ویژه و درمان قوی تری برای بیمار استفاده کند. خون ریزی های مغزی نیاز به درمان فوری و تشخیص سریع و دقیق دارند. در این مقاله با استفاده از حجم خون ریزی مغزی و سن بیمار و با استفاده از شبکه عصبی ماشین بردار پشتیبان (SVM) پیش بینی شده است که چند درصد از افراد مبتلا به خون ریزی مغزی زنده می مانند و چند درصد فوت می کنند. پارامتر های حجم خون ریزی مغزی و سن بیماران، ورودی شبکه عصبی در نظر گرفته شده است. خروجی شبکه، زنده ماندن و یا مرگ بیماران مبتلا به خون ریزی مغزی طی سی روز آینده است. داده هایی که استفاده شده شامل سن و حجم خون ریزی 66 بیمار مبتلا به خونریزی لوبار، 76 بیمار مبتلا به خون ریزی عمیق، 9 بیمار مبتلا به خون ریزی پونتین و 11 بیمار مبتلا به خون ریزی مخچه ای است. تمام مدل های خون ریزی به عنوان ورودی شبکه عصبی ماشین بردار پشتیبان در نظر گرفته شده است. دقت کلی شبکه عصبی ماشین بردار پشتیبان طراحی شده 93 درصد است. مستقل از نوع خون ریزی مغزی، زنده ماندن و یا مرگ افراد مبتلا به خون ریزی مغزی در طی سی روز پیش بینی شده است. پرونده مقاله

دسترسی آزاد مقاله

204 - کنترل شرایط محیطی داخل ساختمان بر مبنای مدل و استفاده از روش کنترل پیش‌بین
امیررضا علی زاده سید محمد کارگر

در این مقاله یک روش کنترلی با رویکرد کنترل پیش بین مبتنی بر مدل به منظور تنظیم دمای داخل ساختمان ارائه می گردد. در سال های اخیر بیشترین میزان مصرف انرژی در ساختمان ها، مربوط به سیستم های گرمایش، سرمایش و تهویه مطبوع بوده است. از همین رو کنترل سیستم های گرمایش، سرمایش و چکیده کامل

در این مقاله یک روش کنترلی با رویکرد کنترل پیش بین مبتنی بر مدل به منظور تنظیم دمای داخل ساختمان ارائه می گردد. در سال های اخیر بیشترین میزان مصرف انرژی در ساختمان ها، مربوط به سیستم های گرمایش، سرمایش و تهویه مطبوع بوده است. از همین رو کنترل سیستم های گرمایش، سرمایش و تهویه مطبوع در ساختمان ها در راستای کاهش مصرف انرژی مورد توجه قرار گرفته است. در ابتدا یک مدل ساختمانی در نرم افزار انرژی پلاس طراحی و سپس تمام داده های ورودی و خروجی، جهت شناسایی از این نرم افزار استخراج می شوند. در ادامه شناسایی سیستم به روش مدل فضای حالت انجام می گیرد. سپس کنترل کننده با رویکرد پیش بین جهت کنترل دمای داخلی ساختمان طراحی می گردد. نوآوری این مقاله در دو زمینه قابل بیان است، اول اینکه برخلاف اکثر پژوهش های صورت گرفته، داده های استفاده شده در قسمت شناسایی سیستم با فرض ایزوله نبودن اتاق ها و وجود ارتباط دمایی بین اتاق ها انجام شده است که باعث تولید مدلی دقیق تر از سیستم می گردد. دوماً در این پژوهش اثر دمای خارجی محیط به عنوان اغتشاش در نظر گرفته شده است و تأثیر آن در طراحی کنترل کننده مورد بررسی قرار گرفته است. در پایان،نتایج به دست آمده از شبیه سازی در افق یک ساعته، عملکرد خوب کنترل کننده ی پیش بین مبتنی بر مدل نسبت به روش کنترل بهینه به همراه کاهش مصرف انرژی در کنار حفظ شرایط مطلوب دمایی برای ساکنین در یک 24 ساعت را نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

205 - کنترل ترکیبی مستقیم گشتاور موتورهای القایی با رویکرد افزایش عمر مفید باتری در وسائل نقلیه الکتریکی
حمیدرضا اسکندری محمدرضا مرادیان

استفاده گسترده از موتور‌های القایی به عنوان نیرو‌ محرکه خودروهای الکتریکی، نیاز به بهبود سیستم کنترلی این موتورها در جهت بهبود راندمان را بیش از پیش مطرح نموده است. این امر می‌تواند موجب افزایش مسافت طی شده‌ی خودرو ‌الکتریکی در هر بار شارژ و در نهایت افزایش طول عمر باتر چکیده کامل

استفاده گسترده از موتور‌های القایی به عنوان نیرو‌ محرکه خودروهای الکتریکی، نیاز به بهبود سیستم کنترلی این موتورها در جهت بهبود راندمان را بیش از پیش مطرح نموده است. این امر می‌تواند موجب افزایش مسافت طی شده‌ی خودرو ‌الکتریکی در هر بار شارژ و در نهایت افزایش طول عمر باتری گردد.‌‌‌‌‌‌‌ در راستای این کار، یک روش کنترل مستقیم گشتاور مبتنی بر کنترل پیش‌بین و همچنین یک روش کنترل مستقیم گشتاور بهینه بررسی و مقایسه شده‌ است. در روش کنترل پیش‌بین مستقیم گشتاور، بردار ولتاژ مرجع بر اساس کنترل پیش‌بین به گونه‌ای تعیین می‌شود که مقادیر گشتاور و شار در سریع‌ترین زمان ممکن برابر مقادیر مرجع شوند. روش کنترل مستقیم گشتاور بهینه نیز مبتنی بر محاسبه شار مرجع بهینه استاتور براساس گشتاور بار می‌باشد. برای مقایسه و ارزیابی عملکرد کنترل‌کننده‌ها، روش‌های پیشنهادی به همراه روش کنترل مستقیم گشتاور متداول بر روی یک موتور القایی در نرم افزار متلب شبیه‌سازی شده ‌است. نتایج شبیه‌سازی نشان می‌دهد که روش کنترل مستقیم گشتاور بهینه در حالت بی‌باری و روش کنترل پیش‌بین مستقیم گشتاور در زمان اعمال بار به موتور دارای بالاترین راندمان، کمترین دامنه جریان و ریپل گشتاور می‌باشد. از این رو در این مقاله روش کنترل ترکیبی مستقیم گشتاور ارائه می‌گردد. روش مورد نظر در حالت بی‌باری از کنترل مستقیم گشتاور بهینه و در زمان اعمال بار از کنترل پیش‌بین مستقیم گشتاور استفاده می‌کند. این روش دارای بهترین عملکرد جهت افزایش طول عمر مفید باتری در وسائل نقلیه الکتریکی می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

206 - طراحی سیستم تحمل‌پذیر عیب با استفاده از روش کنترل پیش‌بین و شناسایی عیب مبتنی بر مدل برای یک راکتور شیمیایی
مهرداد رییسی سید محمد کارگر

با توجه به امکان وقوع عیب در عملگرهای هر سیستم صنعتی، نیاز به شناسایی و استفاده از یک ساختار کنترلی کمکی در راستای جبران عیب و حفظ سطح پایداری سیستم، استفاده از ساختار کنترلی تحمل پذیر عیب در صنعت یک مسئله ی ضروری به نظر می رسد. در این مقاله مدل رأکتور همزن شیمیایی مورد چکیده کامل

با توجه به امکان وقوع عیب در عملگرهای هر سیستم صنعتی، نیاز به شناسایی و استفاده از یک ساختار کنترلی کمکی در راستای جبران عیب و حفظ سطح پایداری سیستم، استفاده از ساختار کنترلی تحمل پذیر عیب در صنعت یک مسئله ی ضروری به نظر می رسد. در این مقاله مدل رأکتور همزن شیمیایی مورد ارزیابی قرار گرفته که دارای مدل غیرخطی با خروجی های دما و ورودی گرمایش تانک های به هم پیوسته است. به منظور تخمین دینامیک های خروجی مدل از فیلتر کالمن خنثی استفاده می شود که به نسبت سایر تخمین گرها سرعت همگرایی مناسب و دقت بالاتری دارد. به منظور طراحی کنترل کننده از رویکرد کنترل پیش بین غیرخطی استفاده شده که در لحظاتی که عیب در سیستم وجود ندارد، میزان گرمایش مناسب برای دست یابی به دماهای مطلوب برای هر تانک را به سیستم اعمال می کند و نهایتا منجر به پایداری سیستم می گردد. در طرح پیشنهادی به منظور جبران عیب، از ر‌ؤیتگر مدلغزشی به منظور شناسایی عیب استفاده شده است. زمانی که عیب تشخیص داده شد، از یک کنترل کننده تناسبی-انتگرال گیر و مشتق گیر فازی به منظور کنترل خروجی با وجود عیب در سیستم استفاده می شود. شبیه سازی روش پیشنهادی در نرم افزار متلب و در حالت های کاری مختلف انجام شد. نتایج شبیه سازی نشان دهنده عملکرد مطلوب روش پیشنهادی در جهت جبران عیب است. پرونده مقاله

دسترسی آزاد مقاله

207 - پیش‌بینی مصرف برق با استفاده از الگوریتم جدید بهینه‌سازی زغن و شبکه عصبی مصنوعی پرسپترون چند لایه
جلال رئیسی گهرویی زهرا بهشتی

از آنجا که پیش بینی مصرف برق از موارد مهم مدیریت انرژی هر کشور محسوب می شود، در سال های اخیر روش های مختلفی براساس هوش مصنوعی برای آن ارائه شده است. یکی از این روش ها، استفاده از شبکه های عصبی مصنوعی است. برای آن که این شبکه ها عملکرد خوبی داشته باشند، باید به خوبی آموز چکیده کامل

از آنجا که پیش بینی مصرف برق از موارد مهم مدیریت انرژی هر کشور محسوب می شود، در سال های اخیر روش های مختلفی براساس هوش مصنوعی برای آن ارائه شده است. یکی از این روش ها، استفاده از شبکه های عصبی مصنوعی است. برای آن که این شبکه ها عملکرد خوبی داشته باشند، باید به خوبی آموزش ببینند. یکی از متداول ترین الگوریتم های آموزش مورد استفاده در این شبکه ها، الگوریتم پس انتشار خطاست که براساس گرادیان نزولی است. از آنجا که الگوریتم های مبتنی برگرادیان نزولی ممکن است به نقاط بهینه محلی گرفتار شوند، در برخی از مسائل راه حل خوبی ارائه نمی دهند. از این رو برای آموزش این شبکه ها می توان از الگوریتم های بهینه سازی مانند الگوریتم های فراابتکاری که امکان فرار از بهینه های محلی را دارند، استفاده نمود. در این تحقیق، الگوریتم فراابتکاری جدیدی به نام الگوریتم بهینه سازی زغن معرفی می گردد که از زندگی اجتماعی زغن ها در طبیعت الهام گرفته شده است و دارای مزایایی مانند تعداد پارامترهای کم، قابلیت اکتشاف و سرعت همگرایی خوب، است. کارایی الگوریتم پیشنهادی، با چند الگوریتم جدید فراابتکاری روی توابع محک CEC2018 و برای آموزش شبکه عصبی در پیش بینی مصرف برق ایران در زمان های اوج مصرف بار، مقایسه گردیده است. نتایج حاصل، نشان می دهد الگوریتم پیشنهادی راه حل بهتری با خطای کمتری، در مقایسه با الگوریتم های رقیب به دست می آورد. پرونده مقاله

دسترسی آزاد مقاله

208 - مقابله با افت کیفیت پیش بینی کننده وضعیت آتی کار در محیط گرید محاسباتی
رضا قائمی حسین سلامی مهرداد جلالی

محیط های پردازشی توزیع شده مانند گریدهای محاسباتی، یکی از مهمترین بسترها برای رفع نیازهای پردازشی کاربران میباشند. این محیط ها دارای توان بالقوه ای برای پاسخگویی به نیازهای کاربران هستند اما مشکلات خاص خود را نیز بهمراه دارند که از آنجمله می توان به مسئله خرابی کارها اش چکیده کامل

محیط های پردازشی توزیع شده مانند گریدهای محاسباتی، یکی از مهمترین بسترها برای رفع نیازهای پردازشی کاربران میباشند. این محیط ها دارای توان بالقوه ای برای پاسخگویی به نیازهای کاربران هستند اما مشکلات خاص خود را نیز بهمراه دارند که از آنجمله می توان به مسئله خرابی کارها اشاره نمود. تلاش های متعددی برای چیره شدن بر این مسئله انجام شده است که به طور کلی می‌توان آنها را به دو دسته روش‌های سمت منابع و روش‌های سمت کار تقسیم نمود. هر دو دسته روش‌های ذکر شده با هدف دنبال نمودن رویکرد پیشگیرانه در برابر خرابی ها، به پیش‌بینی وضعیت منابع و یا کارها نیازمند می باشند. با اینحال با توجه به پویایی این محیط ها، مدل های ایجادشده بسرعت اعتبار خود را از دست داده و لذا نمی‌توانند کمک موثری به روش‌های یاد شده نمایند. در این نوشتار ابتدا با شناسایی دلایل کاهش کیفیت پیش‌بینی کننده ها در محیط گرید، راهکاری بمنظور مقابله با آن ارائه شده و سپس راهکار مورد نظر در زمینه مقابله با خرابی کارها بکار گرفته شده است. نتایج آزمایشات برروی دو محیط آزمایشی AuverGrid و Grid5000 نشان داد روش پیشنهادی افزایش کیفیت به ترتیب به میزان 0.02 و 0.06 را در این دو محیط باعث می گردد. پرونده مقاله

دسترسی آزاد مقاله

209 - پیش‌بینی موفقیت در درمان نوروفیدبک برای بیماران اختلال نقص توجه و بیش‌فعالی پیش از شروع درمان
نیکو خان احمدی محمدرضا یوسفی

نورفیدبک بهترین روش ارائه‌شده برای درمان اختلال نقص توجه و بیش فعالی به‌ویژه در کودکان است. در این مقاله روش پیش‌بینی درمان‌پذیری بیماران مبتلابه بیش‌فعالی با آموزش نوروفیدبک به کمک استخراج باند فرکانسی سیگنال EEG و با استفاده از معیار ارزیابی ارتباطات مغزی-عملکردی انجا چکیده کامل

نورفیدبک بهترین روش ارائه‌شده برای درمان اختلال نقص توجه و بیش فعالی به‌ویژه در کودکان است. در این مقاله روش پیش‌بینی درمان‌پذیری بیماران مبتلابه بیش‌فعالی با آموزش نوروفیدبک به کمک استخراج باند فرکانسی سیگنال EEG و با استفاده از معیار ارزیابی ارتباطات مغزی-عملکردی انجام‌شده تا قبل از شروع درمان نوروفیدبک درمان‌پذیری شخص تشخیص داده شود. این الگوریتم شامل چهار مرحله است: در گام اول یک مجموعه داده از ثبت سیگنال EEG حین تحریک نوروفیدبک از 60 دانش‌آموز در رده‌ سنی 7 تا 14 سال مبتلا به بیش‌فعالی در دو کلاس درمان‌پذیر و درمان‌ناپذیر از پایگاه داده مندلی دریافت ‌شده است. در گام بعدی فیلترینگ اولیه برای کاهش نویز مجموعه‌ داده‌ها با استفاده از یک بلوک پیش‌پردازش انجام ‌شده است. در گام سوم توزیع فرکانسی باند آلفا و بتا از سیگنال‌های کاهش نویز شده استخراج‌شده است. در این نوع داده تفاوت در اجزای EEG هر گروه با استفاده از سنجش ارتباطات مغزی-عملکردی و به کمک شاخص قفل فاز قابل‌بیان بوده که برای تشخیص وجود ارتباط بین لوب های مغزی درگیر یک‌بار با استفاده از شاخص مقدار احتمال در آزمون آماری تی تست و برای افزایش صحت، از الگوریتم ژنتیک برای تشخیص الکترودهای مؤثر در درمان استفاده ‌شده است. نتایج نشان میدهند که لوب‌های درگیر هنگام تحریک نوروفیدبک، لوب‌های فرونتال و سنترال هستند و از بین 32 کانال ثبت EEG فقط داده‌های مربوط به 6 کانال C3، FZ، F4، CZ، C4 و F3 تفاوت معناداری در میزان ارتباطات مغزی حین تحریک از خود نشان می دهند. پرونده مقاله

دسترسی آزاد مقاله

210 - بررسی پایداری استاتیکی ولتاژ با استفاده از ماشین بردار پشتیبان و شبکه عصبی
مهدی حاجیان اصغر اکبری فرود حسین نوروزیان

پایداری ولتاژ یک مسئله اساسی در سیستم قدرت می‌باشد. در این مقاله پایداری ولتاژ از حیث استاتیکی، و کاربرد شبکه عصبی و SVM در تخمین حد پایداری و نیز پیش‌بینی پایداری ولتاﮊ بررسی شده است. پایداری ولتاژ در دو بخش مورد ارزیابی قرار گرفته است. در بخش اول، محاسبه حاشیه پایداری چکیده کامل

پایداری ولتاژ یک مسئله اساسی در سیستم قدرت می‌باشد. در این مقاله پایداری ولتاژ از حیث استاتیکی، و کاربرد شبکه عصبی و SVM در تخمین حد پایداری و نیز پیش‌بینی پایداری ولتاﮊ بررسی شده است. پایداری ولتاژ در دو بخش مورد ارزیابی قرار گرفته است. در بخش اول، محاسبه حاشیه پایداری استاتیکی ولتاژ به وسیله شبکه عصبی RBF بیان می‌شود. مزیت روش استفاده شده، دقت بالای آن در تشخیص حاشیه پایداری ولتاژ به صورت بهنگام است. بخش دوم به پیش‌بینی فروپاشی ولتاژ به کمک شبکه عصبی PNN و SVM می‌پردازد. نتایج به دست آمده نشان می‌دهد که زمان و تعداد نمونه‌های آموزش SVM کمتر از شبکه‌های عصبی است. در این مقاله، مدلی جدید از تولید نمونه‌های آموزشی سیستم تشخیص، با استفاده از منحنی توزیع نرمال بار هر فیدر، به کار گرفته شده است. در تحلیل پایداری ولتاﮊ از شاخص‌های مشهور VSM و L استفاده گردیده است. برای نشان دادن اعتبار روش‌های پیشنهادی، شبکه‌ 14 باسه IEEE و شبکه واقعی استان یزد مورد استفاده قرار گرفته است. پرونده مقاله

دسترسی آزاد مقاله

211 - کنترل پیش‌بین موتور سنکرون رلوکتانسی به‌همراه مشاهده‌گر سرعت لغزشی مرتبه دوم فازی
سارا صابریان بروجنی

در‌ این مقاله، کنترل پیش بین گشتاور‌ و شار استاتور موتور سنکرون رلوکتانسی با وجود تلفات آهن به همراه مشاهده‌گر سرعت لغزشی مرتبه دوم فازی ارائه شده است. کنترل‌کننده پیش بین از داده های دامنه و موقعیت شار استاتور به منظور تعیین بردارهای ولتاژ استفاده می‌کند. به دلیل کاهش چکیده کامل

در‌ این مقاله، کنترل پیش بین گشتاور‌ و شار استاتور موتور سنکرون رلوکتانسی با وجود تلفات آهن به همراه مشاهده‌گر سرعت لغزشی مرتبه دوم فازی ارائه شده است. کنترل‌کننده پیش بین از داده های دامنه و موقعیت شار استاتور به منظور تعیین بردارهای ولتاژ استفاده می‌کند. به دلیل کاهش نویز اندازه‌گیری، افزایش قابلیت اعتماد و کاهش هزینه‌ها سنسور سرعت حذف شده است و سرعت موتور با استفاده از یک مشاهده‌گر لغزشی مرتبه دوم تخمین زده می‌شود. مشاهده‌گر لغزشی به علت مقاوم بودن نسبت به نامعینی‌های موجود در پارامترهای سیستم، پاسخ دینامیکی سریع و کاهش شوریدگی از عملکرد بسیار خوبی برخوردار است و برای تنظیم دقیق‌تر پارامترهای مشاهده‌گر، از منطق فازی استفاده شده است. نتایج، حاکی از عملکرد مناسب این روش می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

212 - معرفی نمایه جدید به منظور تشخیص خودکار شدت پیشرفت بیماری آصم با استفاده از سیگنالهای کپنوگرام
محسن کاظمی آیک هوتو

در این مقاله یک نمایه جدید به منظور تشخیص خودکار شدت بیماری آصم با استفاده از پردازش سیگنالهای کپنوگرام ارائه شده است. تحقیقات انجام گرفته در گذشته نشان دهنده ارتباط مهمی بین کپنوگرام و بیماری آصم بوده است .هرچند، اغلب آن تحقیقات از روشهای پردازشی حوزه زمان اسفاده کرده چکیده کامل

در این مقاله یک نمایه جدید به منظور تشخیص خودکار شدت بیماری آصم با استفاده از پردازش سیگنالهای کپنوگرام ارائه شده است. تحقیقات انجام گرفته در گذشته نشان دهنده ارتباط مهمی بین کپنوگرام و بیماری آصم بوده است .هرچند، اغلب آن تحقیقات از روشهای پردازشی حوزه زمان اسفاده کرده بوده و بر این فرضیه استوار بودند که کپنوگرام یک سیگنال ایستان است. در این تحقیق با استفاده از ضرائب پیش بینی خطی (LPC) و روش مدلینگ اتورگرسیو (AR Modelling-Burg Method) سیگنالهای کپنوگرام مورد پردازش قرار گرفته‌اند. با استفاده از نتایج حاصل از این پردازش، تعداد شش ویژگی استخراج شده اند که با استفاده از روشهای آماری مانند ROC, توانایی‌های آنها برای تمایز بیماران آصمی از افراد سالم و همینطور قابلیت آنها برای تشخیص شدت بیماری آصم اثبات شده است. در ادامه با استفاده از به کار بردن این بردار ویژگی در یک شبکه عصبی GRBF, نمایه اشاره شده که همان خروچی این شبکه است، استخراج شده است. این نمایه یک عدد طبیعی بین 1 تا 10 می‌باشد (1 برای افراد سالم و10 نشان دهنده بیمار با شدت آصم ببسیار بالا) که متوسط تشخیص صحیح 90/15 % و خطای 9/85% را داراست. الگوریتم ارائه شده در این پژوهش بر آن دارد که روشی سریع و مقرون به صرفه برای کمک به متخصصان ارائه دهد، چراکه قادر است شدت بیماری آصم را به صورت سریع و خودکار رصد کند. پرونده مقاله

دسترسی آزاد مقاله

213 - انتخاب حالت پیش‌بینی درون و بین فریمی در H.264/AVC برای فشرده‌سازی تصویر پزشکی بر اساس ناحیه مورد علاقه
مهدی جعفری همایون مهدوی نسب شهره کسایی

هدف این مقاله به کار گرفتن H.264 در کاربردهای فشرده‌سازی ویدئویی پزشکی و بهبود عملکرد آن با کیفیت بصری بالاتر و پیچیدگی کدگذاری کمتر است. جهت این امر ما یک مدل جدید ناحیه‌ی مورد علاقه بر اساس H.264/AVC را پیشنهاد می‌دهیم که فشرده‌سازی بدون اتلاف را برای نواحی مورد علاقه چکیده کامل

هدف این مقاله به کار گرفتن H.264 در کاربردهای فشرده‌سازی ویدئویی پزشکی و بهبود عملکرد آن با کیفیت بصری بالاتر و پیچیدگی کدگذاری کمتر است. جهت این امر ما یک مدل جدید ناحیه‌ی مورد علاقه بر اساس H.264/AVC را پیشنهاد می‌دهیم که فشرده‌سازی بدون اتلاف را برای نواحی مورد علاقه، و فشرده‌سازی با اتلاف با نرخ بالا را برای سایر نواحی به کار می‌برد. این مقاله یک روش جدید برای دستیابی به پیش‌بینی سریع درون و بین فریمی ارائه می‌دهد که بر اساس ماکروبلاکهای بزرگ‌تر برای پس‌زمینه و ماکروبلاکهای کوچک‌تر برای ناحیه‌ی مورد علاقه عمل می‌کند. همچنین ماکروبلاک‌های پس‌زمینه با بزرگترین ضریب کوانتیزاسیون ممکن در H.264/AVC جهت به دست آوردن حداکثر ضرایب صفر کدگذاری می‌شوند. نتایج تجربی نشان می‌دهند که الگوریتم پیشنهادی به نرخ فشرده‌سازی بالاتر ویدئوهای پزشکی با کیفیت برتر ناحیه‌ی مورد علاقه ضمن پیچیدگی کمتر کدگذاری در مقایسه با الگوریتم قبلی ما و سایر استانداردهای موجود دست می‌یابد. پرونده مقاله

دسترسی آزاد مقاله

214 - Monitoring annual precipitation changes in Dezful plain with statistical analysis and time series
Yaser Sabzevari Saeid Eslamian Keyvan Moradalivand

10.30495/jonass.2022.1955278.1036

Background and objective:Predicting and studying the trend of climate variables in the future plays an important role in the optimal management of water resources. Different methods are used to determine the trend of change. One of the most common methods of trend chang چکیده کامل

Background and objective:Predicting and studying the trend of climate variables in the future plays an important role in the optimal management of water resources. Different methods are used to determine the trend of change. One of the most common methods of trend change analysis is time series analysis. Time series is a set of observations about a variable that is measured at discrete points in time, usually at equal distances, and arranged in chronological orderMaterials and methods:In the present study, the trend of precipitation changes in Dezful plain during 32 years was investigated and by selecting the appropriate time series model, a forecast was made for the next ten years. Man-Kendall’s non-parametric test was used to investigate the trend of precipitation changes.Results and conclusion:The result of this test showed that the annual precipitation of Dezful had a decreasing trend due to having a Man-Kendall statistic of -1.6. To select the appropriate time series model, data preparation (trend elimination and normalization) was performed first. Data stagnation was assessed with autocorrelation (ACF) and partial autocorrelation (PACF) charts. Using the differentiation method, the data became static (eliminating the mean trend) by applying one-time differentiation. By static data, random models were used to predict the average annual precipitation. Then, by fitting different Arima models and considering the criteria of T, P-VALUE less than 0.05 and Bayesian information criterion (BIC), the Arima model (3,1,1) was selected as the most appropriate model and to verify this the model was predicted for the period 2011 to 2018. The validation results showed that the prediction of this model is acceptable according to the actual values. Then, based on this model, a forecast was made for the next ten years from 2019 to 2028, which is predicted that the precipitation trend will decrease for the next period. پرونده مقاله

دسترسی آزاد مقاله

215 - مدلی برای پیش‌بینی عملکرد دانشجویان دانشگاه جامع علمی کاربردی در آزمون متمرکز مبتنی بر داده‌کاوی
مصطفی یوسفی طزرجان اسرافیل علاء مریم ملاباقر

هدف این پژوهش، ارائه الگویی جهت پیش‌بینی نمرات دانشجویان دانشگاه جامع علمی کاربردی در آزمون‌های متمرکز، در نیم‌سال‌های آتی دانشگاه بوده است. بدین منظور وضعیت نمرات 207/19 دانشجو/ درس در 8 عنوان درسی در 6 استان و 120 مرکز آموزشی که به صورت متمرکز در مقطع کاردانی و کارشن چکیده کامل

هدف این پژوهش، ارائه الگویی جهت پیش‌بینی نمرات دانشجویان دانشگاه جامع علمی کاربردی در آزمون‌های متمرکز، در نیم‌سال‌های آتی دانشگاه بوده است. بدین منظور وضعیت نمرات 207/19 دانشجو/ درس در 8 عنوان درسی در 6 استان و 120 مرکز آموزشی که به صورت متمرکز در مقطع کاردانی و کارشناسی و هم‌زمان در سراسر کشور در نیم‌سال دوم تحصیلی 98-1397 برگزار شده ، مورد مطالعه قرار گرفته است و با استفاده از روش انتخاب ویژگی، مؤثرترین آن‌ها انتخاب شدند. برای روشن‌تر شدن روابط بین ویژگی‌های انتخاب شده با استفاده از مدل درخت تصمیم‌گیری و الگوریتم C5.0 ، با استفاده از نرم‌افزار SPSS Modeler و 10 شاخص مؤثر، مدلی برای پیش‌بینی نمرات دانشجویان در نیم‌سال‌ آتی در دروس مصوب آزمون متمرکز ارائه شده است. این الگوی پیش‌بینی می‌تواند برای کارآمدتر ساختن فرآیند یادگیری در سیستم دانشگاهی مؤثر باشد. از نتایج این مدل می‌توان به پیشنهادهایی برای اصلاح فرآیند آزمون، یافتن دانشجویان و مراکز و شرایط خارج از الگو جهت نظارت بیش‌تر و شناسایی مراکزی که میانگین معدل دانشجویان‌شان بالا بوده اما در آزمون متمرکز عملکرد ضعیف ضعیفی داشتند، اشاره کرد. پرونده مقاله

دسترسی آزاد مقاله

216 - ارائه مدل ریاضی پیشگو برای ارزیابی اثر زیره سبز و دمای نگه‌داری بر رشد باکتری باسیلوس سرئوس در محیط براث BHI
زهره مشاک

باسیلوس سرئوس یک باکتری بیماری‌زای غذازاد است که مسبب حدود 20 درصد موارد شیوع مسمومیت‌های غذایی در جهان می‌باشد. امروزه توجه و علاقه فزاینده‌ای به استفاده از اسانس&lrm;های گیاهی به عنوان نگه‌دارنده‌های طبیعی در غذا وجود دارد. زیره سبز گیاه بومی ایران است که در طب سنتی و چکیده کامل

باسیلوس سرئوس یک باکتری بیماری‌زای غذازاد است که مسبب حدود 20 درصد موارد شیوع مسمومیت‌های غذایی در جهان می‌باشد. امروزه توجه و علاقه فزاینده‌ای به استفاده از اسانس&lrm;های گیاهی به عنوان نگه‌دارنده‌های طبیعی در غذا وجود دارد. زیره سبز گیاه بومی ایران است که در طب سنتی و فراورده‌های غذایی استفاده می‌شود. هدف از این تحقیق ارائه یک مدل ریاضی پیشگو برای ارزیابی اثر ضدمیکروبی اسانس زیره سبز به عنوان یک نگه‌دارنده غذایی طبیعی علیه باکتری باسیلوس سرئوس در یک مدل چند فاکتوری است. اسانس گیاه زیره سبز به وسیله روش تقطیر با بخار آب استخراج شد و به کمک دستگاه کروماتوگرافی گازی متصل به طیف‌نگار جرمی مورد تحلیل قرار گرفت. سپس تاثیر غلظت‌های مختلف اسانس زیره سبز (0، 005/0، 015/0، 03/0 و 045/0 درصد) و دمای نگه-داری (10 و 25 و 35 درجه سانتی‌گراد) بر باکتری باسیلوس سرئوس در محیط براث BHI طی زمان‌های معینی از آزمایش (روزهای 1، 2، 3، 4، 5، 6، 9، 12، 15، 18، 21، 24، 27، 30، 36 و 42) مورد بررسی قرار گرفت. رشد باکتری باسیلوس سرئوس با کاربرد غلظت‌ 015/0 درصد اسانس زیره سبز در دمای 10 درجه سانتی‌گراد و همچنین غلظت 030/0 درصد اسانس در دمای 25 و 35 درجه سانتی‌گراد به طور معنی‌داری کاهش پیدا کرد (05/0>P). مدل ریاضی پیشگوی به دست آمده در این مطالعه می‌تواند ابزار مفیدی جهت ارزیابی اثرات ضد میکروبی این میکروارگانیسم طی زنجیره غذایی باشد. پرونده مقاله

دسترسی آزاد مقاله

217 - Identification of Overlapping Predictive Categories: ESP Textbooks in Focus
فرحناز بهلولی اسگویی

10.30495/lct.2022.1969016.1068

The notion of ‘prediction’ as a prospective rhetorical device in improving the reading abilities of ESP learners is significant on the basis of the assumption that once the rhetorical structure of the text is understood by the learner, he is able to use this چکیده کامل

The notion of ‘prediction’ as a prospective rhetorical device in improving the reading abilities of ESP learners is significant on the basis of the assumption that once the rhetorical structure of the text is understood by the learner, he is able to use this to predict the type of forthcoming information. This study explores the possibility of linking the textual indices of ‘Predictive Categories’ with the understanding of content knowledge. The article reports on descriptive qualitative research based on data comprising 10 chapters from 5 textbooks in the field of Civil Engineering, applying a model of discourse analysis designed by Tadros (1981), as the method of the study, using the notion of prediction. The Six Predictive Categories introduced by Tadros (1981) underpinning the model, include Enumeration, Advance Labelling, Reporting, Recapitulation, Hypotheticality and Question were explored continuously in the selected texts. What makes this study significant is that a new Predictive Category has been identified in which two or three Predictive Categories are exactly overlapping each other. Basing our assumption on the pedagogical benefits gained by ESP learners, teachers, and material designers, it is suggested that the consciousness-raising of these categories has valuable benefits for all ESP community members. پرونده مقاله

دسترسی آزاد مقاله

218 - An Artificial Neural Network Method to Predict the COVID-19 Cases in Iran
Meisam Shamsi رضا بابازاده Mohsen Varmazyar

The sudden emergence of a Coronavirus and its rapid spread due to the globalization factors, especially the airline network, provoked the reaction of countries. Governments attempt to use all available means, including prediction methods, to control the spread of the Co چکیده کامل

The sudden emergence of a Coronavirus and its rapid spread due to the globalization factors, especially the airline network, provoked the reaction of countries. Governments attempt to use all available means, including prediction methods, to control the spread of the Coronavirus. In this article, we have developed various models based on artificial neural networks, including multi-layer perceptron, radial basis function, and adaptive-network-based fuzzy inference system with different learning algorithms, transfer functions, membership functions, hidden layers, hidden neurons, and kernels. We have identified five factors influencing the Coronavirus outbreak based on the Pearson correlation coefficient approach. These factors are gasoline consumption, internet pressure, number of wedding ceremonies, online transactions, and mask consumption. The accuracy of the developed models is identified by calculating three types of statistical errors, including root mean square error, mean absolute error, and mean absolute percentage error. The results show that the radial basis function model predicts the number of Covid-19 cases for the one month (mid-term) with an accuracy of over 97%. This study provides an efficient approach to predict the number of COVID-19 cases which help policymakers to make strategic decisions, including closing borders, designing supply chains for medical and health equipment, and enacting new laws. پرونده مقاله

دسترسی آزاد مقاله

219 - Estimating Heritabilities and Breeding Values for Real and Predicted Milk Production in Holstein Dairy Cows with Artificial Neural Network and Multiple Linear Regression Models
M. Nosrati S.H. Hafezian M. Gholizadeh

The success of a dairy herd depends on milk production. Prediction of future records can reduce recording time, accelerate the computation of genetic evaluations, decrease generation interval, and increase genetic progress. Multiple linear regression (MLR) is the most c چکیده کامل

The success of a dairy herd depends on milk production. Prediction of future records can reduce recording time, accelerate the computation of genetic evaluations, decrease generation interval, and increase genetic progress. Multiple linear regression (MLR) is the most common prediction method. However, artificial neural networks (ANN) can handle complex linear and non-linear functions to solve a wide range of prediction problems. In this study, MLR and ANN models were applied to the prediction of 305-day milk production in the first and second lactations of dairy cows using variables related to milk production, test-day records and estimated breeding values (EBVs). The 305-day first lactation records were also used to predict 305-day second lactation records. ANN and MLR predictions were compared in terms of accuracy and efficiency. Dairy records from 7856 dairy cows in two herds were used in this research. The best ANN model was a multilayer perceptron with a back-propagation learning algorithm. Results showed that ANN and MLR predicted values were acceptable. However, ANN prediction accuracies for 305-day milk production in the first and second lactations were higher than those of MLR. Correlation coefficients between real and predicted 305-day milk production records in the first and second lactations ranged from 0.88 to 0.96 for ANN and from 0.66 to 0.89 for MLR. Adding test-day records and EBVs for 305-day milk production in the first lactation to the set of independent variables used to predict 305-day milk production in the second lactation increased more the prediction efficiency of ANN than MLR. Thus, ANN could be used to decrease the interval between collecting records and computing animal breeding values. In addition, real data and ANN-predicted data from the first lactation were used to compute EBVs. The correlation between EBVs with real and predicted data was 0.93. Results suggested that ANN could be useful for predicting complex traits using high dimensional genomic information. پرونده مقاله

دسترسی آزاد مقاله

220 - Genetic Study of Dairy Cattle and Buffalo Bulls Based on Growth, Milk Production and Reproductive Traits
A. Pal P.N. Chatterjee A.K. Chakravarty

The present investigation aimed to conduct a genetic study of dairy cattle and buffalo bulls based on economic traits and their phenotypic correlation. The means of various economic traits in both the species are presented. Cattle bulls reported a better libido score, F چکیده کامل

The present investigation aimed to conduct a genetic study of dairy cattle and buffalo bulls based on economic traits and their phenotypic correlation. The means of various economic traits in both the species are presented. Cattle bulls reported a better libido score, Flehmen response, requirement of mounting stimulus and semen volume, conception rate and expected predicted difference for milk production. Significant differences were observed between cattle and buffalo in growth traits (birth weight, 3 months body weight, 6 months body weight), reproduction traits (individual semen motility, post thaw semen motility and requirement of mounting stimulus). Association studies conducted among various growth, reproduction and production traits revealed that, a positively high and significant associationexisted among growth traits and individual motility with the number of semen doses per collection in crossbred bulls. Three month body weight was associated significantly with expected predicted difference (P<0.05) in crossbred bulls. However in the case of Murrah bulls, a significantly high correlation wasobserved among body weights at birth and at three months of age. پرونده مقاله

دسترسی آزاد مقاله

221 - Assessment of Alternative Single Nucleotide Polymorphism (SNP) Weighting Methods for Single-Step Genomic Prediction of Traits with Different Genetic Architecture
S. Moghaddaszadeh-Ahrabi M. Bazrafshan

We investigated the prediction accuracy and bias of single-step genomic BLUP (ssGBLUP) with or without weights for single-nucleotide polymorphisms (SNPs). The SNP weights were calculated using population Fixation Index (WssGBLUPFST) and a nonlinear method called nonline چکیده کامل

We investigated the prediction accuracy and bias of single-step genomic BLUP (ssGBLUP) with or without weights for single-nucleotide polymorphisms (SNPs). The SNP weights were calculated using population Fixation Index (WssGBLUPFST) and a nonlinear method called nonlinearA (WssGBLUPNLA). The results of these two weighted methods were compared with a non-weighted method. The individuals of the reference population were sorted based on their estimated breeding values and the top 5% and bottom 5% of individuals based on their estimated breeding values (EBVs) were considered as subpopulations 1 and 2. The FST values for all SNPs between subpopulations 1 and 2 were scaled between zero and one and used as weights. The prediction accuracy and bias of predictions in WssGBLUPFST, WssGBLUPNLA and ssGBLUP methods were compared considering varying the numbers of quantitative trait locus (QTL) (10, 50 and 500), heritability (0.1 and 0.4) and size of reference population (1500, 5000 and 12500). In 10 and 50 QTL, both weighting methods outperformed regular ssGBLUP and with simulation, WssGBLUPFST outperformed WssGBLUPNLA. By increasing the number of QTL to 500 QTL, the WssGBLUPFST was no longer superior to WssGBLUPNLA and ssGBLUP. Our results suggest usefulness of weighting genomic relationship matrix by using FST, especially when the trait is affected by a few numbers of QTL. The prediction accuracy of WssGBLUP methods is expected to increase by identifying and giving appropriate weight to QTL with major effects. Combining different test statistics into a single framework such as decomposition of multiple signals may help reduce false positives and pinpoint the QTL position with more precision. پرونده مقاله

دسترسی آزاد مقاله

222 - The Estimation of Body Weight from Body Measurements in Kilakarsal Sheep of Tamil Nadu, India
T. Ravimurugan A.K. Thiruvenkadan K. Sudhakar S. Panneerselvam A. Elango

Data on body weight and body measurements (body length, height at withers, chest girth and paunch girth) of adult Kilakarsal sheep have been collected from 124 adult animals managed at the farmers filed in Tirunelveli districts of Tami Nadu, India to estimate the body w چکیده کامل

Data on body weight and body measurements (body length, height at withers, chest girth and paunch girth) of adult Kilakarsal sheep have been collected from 124 adult animals managed at the farmers filed in Tirunelveli districts of Tami Nadu, India to estimate the body weight from body measurements. The data were subjected to standard statistical analysis using SPSS software and linear regression analysis was appliedby keeping the body weight as the dependant variables and different body measurements as independent variables. The overall means (±SE) for body weight, body length and height at withers, chest girth and paunch girth of Kilakarsal sheep pooled over sexes were 23.39 ±0.33 kg, 56.92 ±0.31 cm, 69.74 ± 0.33 cm, 71.92 ±0.44 cm and 69.44 ± 0.49 cm, respectively. The Pearson correlation coefficient between body weight with body length, height at withers, chest girth and paunch girth were 0.525, 0.531, 0.831 and 0.761, respectively. The R2 values for the regression equation, considering individual independent variables viz.body length, height at withers, chest girth and paunch girth were 0.276, 0.282, 0.691 and 0.579, respectively. The highest R2 value was obtained from chest girth variable followed by paunch girth. The R2 values increased with the addition of independent variables in the equation and the maximum R2 value was obtained as 0.783 from all the variables. The study revealed that the chest girth is the best predictor for the estimation of body weight and this alone contributed 69.1 per cent variation in the body weight of adult Kilakarsal sheep. پرونده مقاله

دسترسی آزاد مقاله

223 - In Silico Prediction of B-Cell and T-Cell Epitopes of Protective Antigen of Bacillus anthracis in Development of Vaccines Against Anthrax
م. طهمورث‌پور ن. نظیفی ز. پیرخضرانیان

Protective antigen (PA), a subunit of anthrax toxin from Bacillus anthracis, is known as a dominant component in subunit vaccines in protection against anthrax. In order to avoid the side effects of live attenuated and killed organisms, the use of linear neutralizing ep چکیده کامل

Protective antigen (PA), a subunit of anthrax toxin from Bacillus anthracis, is known as a dominant component in subunit vaccines in protection against anthrax. In order to avoid the side effects of live attenuated and killed organisms, the use of linear neutralizing epitopes of PA is recommended in order to design recombinant vaccines. The present study is aimed at determining the dominant epitopes based on multi-parameter and multi-method analysis. The epitopes were identified by the well-known online bioinformatics server and then they were selected and compared based on the highest score and the highest repetition rate. Further analysis on predicted epitopes has been carried out by online VaxiJen 2.0 and Protein Digest server. Among the selected epitopes, those with the highest antigenicity score (>0.9 threshold) and less susceptibility to gastrointestinal tract proteases, were selected as final epitopes. Final B-cell predicted epitopes were amino acid residues 292-308, 507-521 and 706-719; residues 17-31, 315-329 and 385-400 which were determined as the best major histocompatibility complex I (MHCI) class of T-cells epitopes; in addition, residues 455-464 and 661-669 were also considered the best MCHII class of T-cells epitopes. Since random coil structure had a high probability of protein forming of antigenic epitope, the results of secondary structure analysis of the final PA epitopes have shown that all these epitopes form a 100% random coil structure. پرونده مقاله

دسترسی آزاد مقاله

224 - Response to Selection for Body Weight in Japanese Quail (Coturnix coturnix japonica)
اس. هوسن آ.م. عبد الرحمان ال-خدری آ.م. حسن

The present studyinvestigated the impact of selection for body weight (BW) on productive performance, predicted BW and genetic improvement of related traits in Japanese quail. Base population, selected parent and F1 progeny were tested. Pens and cages were used for rear چکیده کامل

The present studyinvestigated the impact of selection for body weight (BW) on productive performance, predicted BW and genetic improvement of related traits in Japanese quail. Base population, selected parent and F1 progeny were tested. Pens and cages were used for rearing and breeding. A total of 240 birds in two successive generations, 27 sires and 54 dams (as selected parents) were used. Body weight from multiple regression equation, covariance analysis and combining models were estimated, response to selection, realized heritability and genetic correlation were computed for BW, weight gain (WG), feed intake (FI) and feed conversion ratio (FCR). The results showed that the response to selection for BW, WG, FI and FCR were 11.48 g, 27.04 g, 37 g and -0.2, respectively. The estimated heritabilities for the same traits were 0.78, 0.67, 0.52 and 0.77, respectively. Predicted equation (DUHOK equation) for BW as dependent variable on the initial body weight and sex ratio was derived. The final response for the body weight was determined as 5.84 % of live BW. پرونده مقاله

دسترسی آزاد مقاله

225 - Genetic Trends for Milk Yield, Persistency of Milk Yield,Somatic Cell Count and Calving Interval in Holstein Dairy Cows of Iran
A. Chegini A.A. Shadparvar N. Ghavi Hossein-Zadeh

The objective of the present study was to estimate genetic trends for lactation milk yield, persistency of milk yield, somatic cell count and interval between first and second calving in Holstein dairy cows of Iran. The dataset consisted of 210,625 test day and 25,883 f چکیده کامل

The objective of the present study was to estimate genetic trends for lactation milk yield, persistency of milk yield, somatic cell count and interval between first and second calving in Holstein dairy cows of Iran. The dataset consisted of 210,625 test day and 25,883 first parity cows with milk yield recorded from July 2002 to September 2007 comprising 97 herds in Iran. Breeding values of animals were predicted with Best Linear Unbiased Prediction methodology under multi-trait animal model. Model included region, herd–year–season of calving and age at first calving as fixed effects and Holstein percentage (covariate) and random animal additive effect. Genetic trends of studied traits were estimated by regressing mean of breeding values on calving year. Phenotypic trends were estimated using annual averages of first lactation traits on calving year weighted by the number of animals in each year. Genetic trend was positive and significant for lactation milk yield (21 kg/yr; p < 0.01).Although not significant, favorable genetic trends for most studied traits were reported. Considering that selection emphasis in Iran was on lactation milk yield, progress for this trait was low during the years of the study. پرونده مقاله

دسترسی آزاد مقاله

226 - B and T-Cell Epitope Prediction of the OMP25 Antigen for Developing Brucella melitensis Vaccines for Sheep
س. یوسفی م. طهمورث‌پور م.ه. سخاوتی

Brucellosis, produced by Brucella species, is a disease that causes severe economic losses for livestock farms worldwide Due to serious economic and medical consequences of this disease, many efforts have been made to prevent the infection through the use of recombinant چکیده کامل

Brucellosis, produced by Brucella species, is a disease that causes severe economic losses for livestock farms worldwide Due to serious economic and medical consequences of this disease, many efforts have been made to prevent the infection through the use of recombinant vaccines based on Brucella outer membrane protein (OMP) antigens. In the present study, a wide range of on-line prediction software was used to predict B and T-cells epitopes, secondary and tertiary structure and antigenicity OMP25 antigens. The bioinformatics approach used in the present study was validated by comparing its results with four available experimental epitope predictions. Bioinformatics analysis identified B-cell epitopes locations at amino acid (AA) residues 26-44, 59-79, 88-112, 146-166 and 175-202l and T-cell epitopes at AA residues 1-10, 14-22, 122-132, 154-162 and 206-213. All final B and T-cell predicted epitopes, except 1-10 and 14-22 residuals, showed antigenicity ability. Finally, a common B and T-cell epitope was identified at 154-162 of the OMP25 antigen. Bioinformatics analysis showed that this region has proper epitope characterization and so may be useful for producing recombinant vaccine. پرونده مقاله

دسترسی آزاد مقاله

227 - Estimation of Body Weight from Heart Girth in Sardi and Timahdite Sheep Using Different Models
آی. بوجنانه اس. هلهالی

The objective of this study was to determine the relationship between body weight (BW) and heart girth (HG) in Sardi and Timahdite sheep in order to develop a prediction equation of BW from HG. The data used for this study included 476 records on BW and HG (227 in Sardi چکیده کامل

The objective of this study was to determine the relationship between body weight (BW) and heart girth (HG) in Sardi and Timahdite sheep in order to develop a prediction equation of BW from HG. The data used for this study included 476 records on BW and HG (227 in Sardi and 249 in Timahdite) collected on males and females of different ages in 33 private farms. The BW and the HG averaged 34.8 ± 21.2 kg and 74.0 ± 16.3 cm, respectively in Sardi and 39.2 ± 22.7 kg and 78.4 ± 16.4 cm, respectively in Timahdite. Correlation coefficients between BW and HG were 0.958 in Sardi and 0.944 in Timahdite indicating a strong relationship between the two variables. Six predictive models for BW were fitted to the data; simple linear regression, polynomial quadratic and cubic regressions and three non-linear regressions (Gompertz, allometric and Mitscherlich). These models were used for the pooled data (regardless of breed and sex), separately for all the animals of a breed regardless of sex (breed-specific) and separately for males and females irrespective of breed (sex-specific). To determine the best fitted regression model, coefficient of determination (R2 or Pseudo-R2), residual mean square (MSE) and Akaike information criterion (AIC) were used. The six models fitted the dataset well since their R2 or Pseudo- R2 varied from 0.892 to 0.969. Nevertheless, based on the previous selection criteria, it seemed that the polynomial cubic model was the best and the allometric model should be discarded. Extreme observations of the three best models were checked using studentized residuals and an absolute value greater than two standard deviations implies considerable deviation. Once the outliers discarded, the best models were run on the clean dataset and compared. Thus, for the pooled data, Sardi breed and females, the Mitscherlich model was appropriate, whereas for Timahdite breed and males, cubic and Gompertz models, respectively were the best. Therefore, a tape measure was developed for each animal category in order to assist livestock farmers in managing their sheep better. پرونده مقاله

دسترسی آزاد مقاله

228 - Performance of Artificial Neural Networks Model under Various Structures and Algorithms to Prediction of Fat Tail Weight in Fat Tailed Breeds and Their Thin Tailed Crosses
ک. نوبری S.D. Sharifi N. Emam Jomea Kashan M. Momen A. Kavian

Today’s large fat tail lost its importance because of rearing condition and consumers’ demands. Therefore, recording fat tail weight on live animals is important to selecting animals for reduced fat tail weight. The study was conducted to predict the fat tai چکیده کامل

Today’s large fat tail lost its importance because of rearing condition and consumers’ demands. Therefore, recording fat tail weight on live animals is important to selecting animals for reduced fat tail weight. The study was conducted to predict the fat tail weight of five different genetic groups of lambs obtained from a mating system between fat-tailed and thin-tailed parents. An Artificial Neural Networks (ANN) procedure was used for prediction performance of different structures (40 levels) and algorithms (5 levels). Eight measurements, including birth type (2 levels), sex (2 levels), breed composition (5 levels), live body weight and four morphological assessments were used as ANN model’s inputs. The results showed that ANN model with adequate structure and algorithm can accurately predict the tail weights and compositions of the studied breeds. Our results indicate that with increase of neurons in first hidden layers, the prediction accuracies were increase dramatically. Back propagation algorithm (BP) was the best algorithm with higher stable R2 and lower stable root mean squire error (RMSE) in different structures. BP algorithm with 4 and 2 neurons in the first and second hidden layer, respectively, had more ability to predict fat-tail weight in different genetic groups. Best ANN model provided 0.962, 0.997 and 0.988 R2 values and 338.156, 43.689 and 117.306 of RMSE for testing, training and the overall data sets, respectively. The study showed that, an ANN model based on the BP algorithm, have high potential to predict fat-tail weight as an important economic trait in sheep rearing systems. پرونده مقاله

دسترسی آزاد مقاله

229 - Predictive Ability of Statistical Genomic Prediction Methods When Underlying Genetic Architecture of Trait Is Purely Additive
م. مومن ا. آیت‌آللهی مهرجردی ا. شیخی ع. اسماعیلی‌زاده م. اسدی فوزی

A simulation study was conducted to address the issue of how purely additive (simple) genetic architecture might impact on the efficacy of parametric and non-parametric genomic prediction methods. For this purpose, we simulated a trait with narrow sense heritability h2= چکیده کامل

A simulation study was conducted to address the issue of how purely additive (simple) genetic architecture might impact on the efficacy of parametric and non-parametric genomic prediction methods. For this purpose, we simulated a trait with narrow sense heritability h2= 0.3, with only additive genetic effects for 300 loci in order to compare the predictive ability of 14 more practically used genomic prediction models based on four criteria (mean squared error (MSE), Bias, γy,GEBV and γGEBV,TBV). Results suggested that parametric genomic prediction models have greater superiority over non parametric genomic models under a simple purely additive genetic architecture. Our result also showed that, all parametric methods, other than ridge-regression BLUP (RR-BLUP), could explain most of phenotypic variation because they showed lower MSE, higher predictive correlation (γy,GEBV), the least amount of bias (by,GEBV) and the higher correlations between true breeding values and the estimated genomic breeding values (γTBV,GEBV). Random forest regression had the worst performance among non parametric methods. The simulation results suggested that there is a large difference between performances of non parametric methods in comparison with parametric methods when underlying architecture is purely additive. But this may not happen when dominance and epistatic genetic effects contributing to both additive and non-additive genetic variances. پرونده مقاله

دسترسی آزاد مقاله

230 - امکان سنجی استفاده از سیستم های فتوولتائیک در صنعت آب و فاضلاب (مطالعه موردی: شرکت آب و فاضلاب تهران)
انسیه ازگلی یونس نوراللهی رضا ارجمندی علی محمدی

از آنجاکه شرکت‌های آب و فاضلاب به عنوان یکی از مصرف‌کنندگان بارز انرژی در حوزه صنایع شهری مطرح می‌باشند، سهم قابل توجهی در افزایش تقاضای انرژی الکتریکی و به تبع آن افزایش بار نیروگاه‌های تأمین کننده برق شهرها دارند. هدف این مطالعه، ارائه یک رویکرد نوین ارزیابی در به‌کار چکیده کامل

از آنجاکه شرکت‌های آب و فاضلاب به عنوان یکی از مصرف‌کنندگان بارز انرژی در حوزه صنایع شهری مطرح می‌باشند، سهم قابل توجهی در افزایش تقاضای انرژی الکتریکی و به تبع آن افزایش بار نیروگاه‌های تأمین کننده برق شهرها دارند. هدف این مطالعه، ارائه یک رویکرد نوین ارزیابی در به‌کارگیری انرژی خورشیدی در صنعت آب و فاضلاب می‌باشد. از اینرو، ضمن ارزیابی میزان برق مصرفی مناطق شش‌گانه شرکت آب و فاضلاب تهران به‌عنوان مورد مطالعاتی، ظرفیت‌های نصب و بهره‌گیری از سیستم‌های فوتوولتائیک در این شرکت مورد بررسی قرار گرفته است. در پژوهش حاضر، توابع هدف عبارتند از هزینه-های مصرف انرژی و انتشار گازهای گلخانه‌ای؛ همچنین پتانسیل انرژی خورشیدی، نرخ رشد جمعیت و میزان مصرف آب به‌عنوان مهمترین متغیرهای مستقل و مصرف پیش‌بینی شده برق، مالیات کربن و قیمت فروش برق نیز متغیرهای وابسته درنظر گرفته شده‌اند. نتایج این تحقیق که برمبنای استفاده از توسعه مدل رگرسیون می‌باشد، نشان از افزایش میزان مصرف و هزینه‌های برق به ترتیب 5/1 و 3 برابر، در این بازه زمانی دارد. به منظور محاسبه میزان انتشار گازهای گلخانه‌ای، سه سناریو با جایگزینی 5، 20 و 30 درصد از برق مورد نیاز شرکت بوسیله سیستم‌های فتوولتائیک، پیاده‌سازی و نتایج آن‌ها مقایسه شد. کاهش انتشار CO2 ناشی از تولید 30% از برق مصرفی با انرژی خورشیدی، به میزان 26,712 هزار تن، برآورد شده است. از سوی دیگر، وضع مالیات به میزان بیش از 10 دلار به ازای انتشار هر تن CO2، منجر به تغییر الگوی مصرف و کاهش 5,987,086 دلار هزینه‌های مصرف برق در این صنعت خواهد شد. پرونده مقاله

دسترسی آزاد مقاله

231 - پیش بینی دبی رودخانه زاینده رود در ایستگاه قلعه شاهرخ با استفاده از تکنیک های یادگیری عمیق
محمد مهرانی

دبی به مقدار آبی گفته می‌شود که از نقطه مشخصی مانند رودخانه، کانال آب، دریچه سد، لوله و یا هر سازه دیگری مثل کارتریج (مغزی) شیرآلات در واحد زمان عبور می‌کند. دبی جریان آب را در سیستم متریک بر حسب متر مکعب در ثانیه، متر مکعب در ساعت و یا لیتر در ثانیه بیان می کنند. واحد چکیده کامل

دبی به مقدار آبی گفته می‌شود که از نقطه مشخصی مانند رودخانه، کانال آب، دریچه سد، لوله و یا هر سازه دیگری مثل کارتریج (مغزی) شیرآلات در واحد زمان عبور می‌کند. دبی جریان آب را در سیستم متریک بر حسب متر مکعب در ثانیه، متر مکعب در ساعت و یا لیتر در ثانیه بیان می کنند. واحد مترمکعب در ثانیه برای دبی های زیاد مثل رودخانه و کانال های بزرگ و واحد لیتر در ثانیه برای جریان های آب چاه ها و آبی که وارد نشتی ها می شود، بکار می رود. اندازه گیری دبی رودخانه دارای تاثیرات زیادی در زندگی انسانها می باشد. اطلاع از میزان ورود آب به مناطق مربوط به حوضه آبریز یک رودخانه دارای اهمیت زیادی در حوزه های کشاورزی، خطرات بالقوه بر زندگی انسان و حیوانات، صنایع و غیره می باشد. لذا پیش بینی دبی رودخانه می تواند باعث مدیریت مؤثر و جلوگیری از لطمات جدی در حوزه های مذکور گردد. با توجه به موارد مذکور هدف ایده ی مطرح شده در این مقاله پیش بینی دبی رودخانه با استفاده از تکنیک های یادگیری عمیق می باشد. جهت انجام این کار، دبی رودخانه زاینده رود در ایستگاه قلعه شاهرخ با استفاده از دو تکنیک‌ ANFIS و LSTM مورد بررسی و پیش بینی قرار گرفته است. نتایج شبیه‌سازی نشان‌دهندۀ 93 درصد الی 94 درصد دقت در پیش بینی دبی رودخانه مورد مطالعه می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

232 - تأثیر کواکب در پیشگویی های شاهنامه
حسین منصوریان سرخگریه لیلا توکل‌ راد

پیشگویی و خبر دادن از امور پوشیده، در اساطیر و داستان های حماسی جهان امری رایج است و هیچ یک از حماسه های ملی اقوام را از آن خالی نمی یابیم. شاهنامه به عنوان اثری حماسی و گنجینه ای نامتناهی درپ&zwj;&zwj;ژوهش اعتقادات، امیال و اندیشه های انسان، سرشار از این گونه راز پژوه چکیده کامل

پیشگویی و خبر دادن از امور پوشیده، در اساطیر و داستان های حماسی جهان امری رایج است و هیچ یک از حماسه های ملی اقوام را از آن خالی نمی یابیم. شاهنامه به عنوان اثری حماسی و گنجینه ای نامتناهی درپ&zwj;&zwj;ژوهش اعتقادات، امیال و اندیشه های انسان، سرشار از این گونه راز پژوهی ها و شگردها در جهت گشایش داستان هایش است که حقیقتاً درخور تأمل است. از میان انواع پیشگویی های مثبت و منفی در شاهنامه، اختر شناسی علاوه بر، برخورداری از دقت در بیان جزئیات، در شکل گیری رویدادهای آن جایگاه ویژه ای را ایفا می کند، قهرمان شاهنامه همواره در تلاش است تا رفتار سایرین را پیش بینی نماید و از راز کیهان پرده بردارد. فردوسی به عنوان شاعری حماسه سرا تحت تأثیر این نوع نگرش و تفکر، بخش‌هایی از شاهنامه را در این زمینه پدید آورده است؛ به گونه ای که در همة داستان‌هایش حضور اخترشناسان و ادوات آن ها را برای بازگویی آینده شاهدیم. مقالة حاضر به منظور بررسی اثر کواکب و تحلیل آن بر پیشگویی های شاهنامه و شناخت زیر ساخت ها و جوانب این تأثیرات بر پیشگویی هاست، که به روش توصیفی و تحلیلی از شاهنامه فردوسی استخراج و با استفاده از منابع گوناگون نگاشته شده است. پرونده مقاله

دسترسی آزاد مقاله

233 - Applying Adaptive Network-based fuzzy Inference System to Predict Travel Time in Highways for Intelligent Transportation Systems
Rouhollah Maghsoudi Behzad Moshiri

Travel time is a good criterion in analyzing transportation systems. There are two ways to calculate travel time: direct measurement, and prediction. Several classic statistical ways have been used to predict travel time, but when non linear nature is focused, developin چکیده کامل

Travel time is a good criterion in analyzing transportation systems. There are two ways to calculate travel time: direct measurement, and prediction. Several classic statistical ways have been used to predict travel time, but when non linear nature is focused, developing a proper model with multiple linear will be a failure. This means that when data have a nonlinear inherent, using of linear methods such as some statistics methods will not be benefit and will not generate appropriate results. Meanwhile, ANN and ANFIS are nonlinear tools. Intelligent systems approaches such as artificial neural networks (ANN) and recently neuro-fuzzy have successfully appeared in prediction. In most applications of ANN, multilayer perceptron (MLP) is applied which is trained by the algorithm of back propagation error. The main problem of this approach is that it is hard to interpret the knowledge in the trained networks. Applying neuro-fuzzy approach, information saved in trained networks will be defined within a fuzzy data base. The aim of present research is to offer a strong neuro-fuzzy network and apply it to predict travel time and compare its results with methods like ANN and AIMSUN. Our results indicate that means for neuro-fuzzy prediction remarkably decrease the error criteria of predicted travel time. This research proves the possibility of applying Anfis in predicting travel time, and reveals that it can make very successful analysis on traffic data. To study credibility of prediction results, AIMSUN was applied and freeway travel time was studied and calculated by simulation. پرونده مقاله

دسترسی آزاد مقاله

234 - A Fast Block Size Decision For Intra Coding in HEVC Standard
Mohammadreza Ramezanpour Reihaneh Khorsand

Intra coding in High efficiency video coding (HEVC) can significantly improve the compression efficiency using 35 intra-prediction modes for 2N×2N (N is an integer number ranging from six to two) luma blocks. To find the luma block with the minimum rate-distortion چکیده کامل

Intra coding in High efficiency video coding (HEVC) can significantly improve the compression efficiency using 35 intra-prediction modes for 2N×2N (N is an integer number ranging from six to two) luma blocks. To find the luma block with the minimum rate-distortion, it must perform 11932 different rate-distortion cost calculations. Although this approach improves coding efficiency compared to the previous standards such as H.264/AVC, but computational complexity is increased significantly. In this paper, an intra-prediction technique has been described to improve the performance of the HEVC standard by minimizing its computational complexity. The proposed algorithm called prediction unit size decision (PUSD) was introduced to decrease evaluation of block sizes. The simulation results show that the time complexity is decreased by ~36% while the bit-rate is increased by 1.1 kbps, and PSNR is decreased by 0.6 db. Accordingly, the proposed algorithms have negligible effect on the video quality with great saving in the time complexity. پرونده مقاله

دسترسی آزاد مقاله

235 - Fast Intra Mode Decision for Depth Map coding in 3D-HEVC Standard
Behrouz Rafi Mohammadreza Ramezanpour

three dimensional- high efficiency video coding (3D-HEVC) is the expanded version of the latest video compression standard, namely high efficiency video coding (HEVC), which is used to compress 3D videos. 3D videos include texture video and depth map. Since the statisti چکیده کامل

three dimensional- high efficiency video coding (3D-HEVC) is the expanded version of the latest video compression standard, namely high efficiency video coding (HEVC), which is used to compress 3D videos. 3D videos include texture video and depth map. Since the statistical characteristics of depth maps are different from those of texture videos, new tools have been added to the HEVC standard for intra coding. Thirty-five intra prediction modes with the recursive block partitioning structure in HEVC and the depth modeling modes improve the intra coding efficiency while increase the computational complexity. This Standard achieves the highest possible coding efficiency compared with predecessor standards, while increases the computational complexity that makes the 3D-HEVC cannot be suitable for real-time applications. In this paper, a fast intra prediction mode decision method is proposed to code depth map for 3D videos. Since the texture of video and the corresponding depth map represent the same scene, there is a high correlation between the prediction mode of texture video and its depth map. Thus, we can skip some depth map intra prediction modes rarely used in the related texture coding unit. The simulation results show that the proposed method reduces computational complexity by 23.66% compared to 3D-HEVC standard with an increase of 0.09% bit rate پرونده مقاله

دسترسی آزاد مقاله

236 - Multivariate Time Series Prediction Considering Intra-Time-Series and Inter-Time-Series Dependencies
Parinaz Eskandarian Jamshid Bagherzadeh Habibollah Pirnejad Zahra Niazkhani

A few artificial neural networks have been proposed so far for multivariate time series prediction and they used simple general-purpose neural networks. Therefore, they cannot achieve high prediction accuracy. In this paper, we propose an artificial neural network calle چکیده کامل

A few artificial neural networks have been proposed so far for multivariate time series prediction and they used simple general-purpose neural networks. Therefore, they cannot achieve high prediction accuracy. In this paper, we propose an artificial neural network called DBMTSP (Dependency Based Multivariate Time Series Prediction) to predict the next element of a time series in the multivariate case. Compared to the existing methods, DBMTSP considers both intra-time-series dependencies and inter-time-series dependencies efficiently to achieve more accurate predictions. We propose a hierarchical encoder in DBMTSP to discover inter-time-series dependencies. The proposed hierarchical encoder is able to encode secondary time series into a single parameter that represents dependencies that exist between the main time series and the secondary time series. The hierarchical encoder has a scalable design such that it can accept a large number of secondary time-series. We have trained DBMTSP using 32760 data matrices. We evaluated DBMTSP using 8190 test data matrices. Our evaluations show that DBMTSP surpasses the existing methods in term of prediction accuracy. پرونده مقاله

دسترسی آزاد مقاله

237 - Improving Short-Term Wind Power Prediction with Neural Network and ICA Algorithm and Input Feature Selection
Elham Imaie Abdolreza Sheikholeslami Roya Ahmadi Ahangar

According to this fact that wind is now a part of global energy portfolio and due to unreliable and discontinuous production of wind energy; prediction of wind power value is proposed as a main necessity. In recent years, various methods have been proposed for wind powe چکیده کامل

According to this fact that wind is now a part of global energy portfolio and due to unreliable and discontinuous production of wind energy; prediction of wind power value is proposed as a main necessity. In recent years, various methods have been proposed for wind power prediction. In this paper the prediction structure involves feature selection and use of Artificial Neural Network (ANN). In this paper, feature selection tool is applied in filtering of inappropriate and irrelevant inputs of neural network and is performed on the biases of mutual information. After determining appropriate inputs, the wind power value for the next 24-hours is predicted using neural network in which BP algorithm and PSO and ICA evolutionary algorithms are used as training algorithm. With investigation and compare numerical results, better performance of PSO and ICA evolutionary algorithm is deduced with respect to BP algorithm. More accurate survey will result in more proper efficiency of imperialist competitive algorithm (ICA) in comparison to swarm particle algorithm. Thus, in this paper; accuracy of the wind power prediction for the next 24-hours is improved considerably using mutual information and providing an irrelevancy filter for reducing the input dimension by eliminating the irrelevant candidates and more effectively using Imperialist competitive evolutionary algorithm for training the neural network. پرونده مقاله

دسترسی آزاد مقاله

238 - The Impact of Mobility Prediction on the Performance of P2P Content Discovery Protocols over Mobile Ad-Hoc Networks
Mona Mojtabaee Morteza Romoozi Hamideh Babaei

Content discovery is one of the fundamental issues that determines the architecture and performance of content distribution networks based on peer-to-peer (P2P) networks. To administrate the costs and discoveries, peers of a P2P network communicate with each other by on چکیده کامل

Content discovery is one of the fundamental issues that determines the architecture and performance of content distribution networks based on peer-to-peer (P2P) networks. To administrate the costs and discoveries, peers of a P2P network communicate with each other by one or more overlay layers. The condition of node’s relations in overlay networks, have a great impact in efficiency of networks. Therefore the suitability of an overlay network is so important. So it should be proposed some techniques to create the overlay layer in the best possible. Hence, this paper proposes a new method for designing an overlay layer that can improve the efficiency of it .For this purpose, It will be applied one of the mobility prediction patterns and change the Gnutella protocol. After evaluation, simulation results clarified the significant role of mobility prediction on performance of P2P content discovery protocol over mobile ad-hoc networks. پرونده مقاله

دسترسی آزاد مقاله

239 - Chaotic Time Series Prediction by Auto Fuzzy Regression Model
Haleh Nazari Homayun Motameni Babak Shirazi

Since the pioneering work of Zadeh, fuzzy set theory has been applied to a myriad of areas. Song and Chissom introduced the concept of fuzzy time series and applied some methods to the enrolments of the University of Alabama. Thereafter we apply fuzzy techniques for sys چکیده کامل

Since the pioneering work of Zadeh, fuzzy set theory has been applied to a myriad of areas. Song and Chissom introduced the concept of fuzzy time series and applied some methods to the enrolments of the University of Alabama. Thereafter we apply fuzzy techniques for system identification and apply statistical techniques to modelling system. An automatic methodology framework that combines fuzzy techniques and statistical techniques for nonparametric residual variance estimation is proposed. The methodology framework is creating regression model by using fuzzy techniques. Identification is performed through learning from examples method introduced by Wang and Mendel algorithm. Delta test residual noise estimation is used in order to select the best subset of inputs as well as the number of linguistic labels for the inputs. An experimental result for chaotic time series prediction are compared with statistical model and shows the advantages of the proposed methodology in terms of approximation accuracy, generalization capability and linguistic interpretability. پرونده مقاله

دسترسی آزاد مقاله

240 - جایگاه و نقش سیستم های پی شبینی و هشدار سیلاب در کاهش اثرات مخرب سیل
حسین محمدی مهران مقصودی غلامرضا روشن

خسارات و ضایعات اقتصادی ناشی از سیلا ب ها، به سرعت با توسعه اقتصادی، افزایش جمعیت، تجمع انباشت سرمایه ها و کاربری نادرست اراضی در دشت های سیلابی رودخانه های بزرگ در حال افزایش است.امروزه با توجه به اثرات مخرب سیلا ب ها بر جوامع بشری، در حالی روش های ساختاری حفاظت در مقا چکیده کامل

خسارات و ضایعات اقتصادی ناشی از سیلا ب ها، به سرعت با توسعه اقتصادی، افزایش جمعیت، تجمع انباشت سرمایه ها و کاربری نادرست اراضی در دشت های سیلابی رودخانه های بزرگ در حال افزایش است.امروزه با توجه به اثرات مخرب سیلا ب ها بر جوامع بشری، در حالی روش های ساختاری حفاظت در مقابل سیلاب، مانند سیل بندها و دیگر روش های مدیریت و کنترل سیلاب می توانند مؤثر باشند، که ظرفیت طراحی این سازه ها زیاد باشد . اما وقتی که این سازه ها دچار گسیختگی و شکستگی م ی شوند، همواره یک ریسک باقیمانده وجود دارد . در بسیاری از موارد، این چنین سازه هایی ممکن است به دلایل محیطی، نامناسب باشند یا اجرایشان غیرممکن باشد و در نتیجه رو ش های غیرساز ه ای مورد نیاز باشد . بر این اساس هشدار سیلاب برای مدیریت ریسک باقیمانده ضروری است و به عنوان یکی از مؤثرترین روش های غیرسازه ای مدیریت سیلاب در کاهش خطرات و خسارات ناشی از این پدیده می باشد. پرونده مقاله

دسترسی آزاد مقاله

241 - پیش بینی عملکرد محصول جو دیم با استفاده از سیستمهای خبره عصبی و عصبی فازی منطقه مورد مطالعه استانهای خراسان
احد مدنی عباس خاشعی علیرضا خاکزاد سیوکی

10.2./jpps.2022.691244

در این تحقیق سعی شده تا عملکرد جو دیم در استان های خراسان با پارامترهای اقلیمی و به دو روش سیستم های عصبی (Ann) و فازی (Anfis) پیش بینی شود. محاسبات با نرم افزار MATLAB انجام گرفت و سپس ارزیابی عملکرد مدل ها با شاخص های آماری ضریب همبستگی ( R2 )، ریشه میانگین مربعات خطا چکیده کامل

در این تحقیق سعی شده تا عملکرد جو دیم در استان های خراسان با پارامترهای اقلیمی و به دو روش سیستم های عصبی (Ann) و فازی (Anfis) پیش بینی شود. محاسبات با نرم افزار MATLAB انجام گرفت و سپس ارزیابی عملکرد مدل ها با شاخص های آماری ضریب همبستگی ( R2 )، ریشه میانگین مربعات خطا ( RMSE ) و میانگین کامل خطاMAE) ) انجام شد. بارندگی و عملکرد سال گذشته نقش موثری در کاهش خطای پیش بینی و افزایش ضریب تعیین هبستگی در هر دو روش Ann و Anfis داشت. ورودی عملکرد سال گذشته و تبخیر و تعرق توانست موجب شود تا روش Anfis در مقایسه با روش Ann پیش بینی عملکردی دقیقتری داشته باشد. بیشترین برتری دقت تخمین عملکرد در Anfis نسبت به ANN با ورودی های با ورودی های مدل R مشاهده شد که که شامل ورودیهای رطوبت ؛ دمای نقطه شبنم و دمای ماکزیمم بود. نتایج در هر دو روش Anfis و Ann برای ورودیهای مدل L که شامل بارندگی،رطوبت نسبی و عملکرد سال گذشته بود، نشان داد که این مدل بالاترین دقت را در بین مدلهای ورودی کسب نموده است. اما برای ورودیهای مدل E نیز که شامل تبخیر و تعرق ، بارندگی ، رطوبت نسبی و دمای حداقل بود، نتایج حاکی از دقت بیشترAnfis نسبت به روش Ann داشت. وجود پارامتر تشعشع در ورودی ها دقت تخمین عملکرد را در هر دو روش کاهش داد. در مجموع روش Anfis دقت بیشتری را در تخمین عملکرد جو نسبت به Ann نشان داد. پرونده مقاله

دسترسی آزاد مقاله

242 - An Imperialist Competitive Algorithm (ICA)-Based Approach to Optimize the Reservoir Storage of the Kahir Dam
علی سردار شهرکی سمیه امای

Water scarcity, especially in Iran and during the recent droughts, emphasizes the importance of achieving an optimal operation policy for large dam reservoirs. In the last two decades, the annual optimization of dam reservoirs under controlled conditions, as well as cli چکیده کامل

Water scarcity, especially in Iran and during the recent droughts, emphasizes the importance of achieving an optimal operation policy for large dam reservoirs. In the last two decades, the annual optimization of dam reservoirs under controlled conditions, as well as climatic and real conditions, has attracted many researchers and experts. This study proposes a new approach to predict reservoir dam storage. The imperialist competitive algorithm (ICA) is a new approach in the field of evolutionary computation that calculates an optimal solution for different optimization problems. Using mathematical modeling of the social-psychological evolution process, ICA provides a new approach to solve mathematical optimization problems, and compared to other algorithms, it has appropriate speed and high convergence rate in finding an optimal answer. This research used the ICA for the annual optimization of the Kahir reservoir to derive optimal policies. Objective function downstream water issue needs to establish relationships based on continuity were selected. Comparison of ICA model in population 100 showed that the ICA algorithm with average best objective function value of 125, 114.6, and 85.60 with a number of further evaluations of the objective function to achieve higher capacity is the optimum answer. The results showed a 6.1 percent error in the implementation of the ICA algorithm between the observed and predicted storages. The results of applying the ICA to the annual optimization problem demonstrate the capability of the proposed method. پرونده مقاله

دسترسی آزاد مقاله

243 - Forecasting Iran’s Saffron Export by Comparison of Machine Learning Algorithms
علیرضا امیرتیموری منصور صوفی مهدی همایونفر مهدی فدایی

Imports and exports play an integral role in the economic growth of all countries. Therefore, selecting the right products can enhance a country's competitiveness in global trade. Saffron stands out as one of Iran's most vital and unique non-oil products for export. The چکیده کامل

Imports and exports play an integral role in the economic growth of all countries. Therefore, selecting the right products can enhance a country's competitiveness in global trade. Saffron stands out as one of Iran's most vital and unique non-oil products for export. The objective of this study was to predict saffron exports using three data mining algorithms and determine the most suitable algorithm for forecasting. The sample period for the forecasting models encompasses saffron export data from Iran for the years 2012 to 2019, gathered from the Iran Saffron Association. Following the data preparation steps, saffron export was forecasted using three data mining algorithms: artificial neural network, deep learning, and gradient boost tree. The validity of the models plays a crucial role in selecting the best forecasting model. The predictive validity of the three designed models was evaluated using the absolute error (artificial neural network = 0.036, deep learning network = 0.031, and gradient boost tree = 0.047), R-squared (artificial neural network = 0.045, deep learning network = 0.044, and gradient boost tree = 0.073), and correlation coefficients (artificial neural network = 0.95, deep learning network = 0.98, and gradient boost tree = 0.97). Based on the findings, all models demonstrate high accuracy, with very low prediction errors that are closely matched. However, the deep learning network exhibits a slightly lower, albeit statistically insignificant, error. These results can be valuable for enhancing the precision of saffron export planning. پرونده مقاله

دسترسی آزاد مقاله

244 - Temporal and Spatial Prediction of Rainfall-Induced Landslides using the Specialized TRIGPS Model
Sahebeh Sadeghi Golam Reza Shoaei Mohammad Reza Nikudel

Landslides as natural phenomenon occur every year in many parts of the world, especially in hilly areas, andpose considerable life and property losses. Given the temperate and humid climate in northern Iran, most landslides occurred in this area are triggered due to rai چکیده کامل

Landslides as natural phenomenon occur every year in many parts of the world, especially in hilly areas, andpose considerable life and property losses. Given the temperate and humid climate in northern Iran, most landslides occurred in this area are triggered due to rain. In this study, in order to predict the time and location of shallow landslides caused by rainfall, TRIGRS model was applied in Nekarood area in the Alborz mountain range in northern Iran and its sensitivity to a number of effective parameters in the landslide was assessed. After preparation of all required parameters, TRIGRS model wasimplemented to predict alandslide within the study area induced by a rainfall intensity of 1.27 mm/h lasting for 24 hours. The results showed that the model predicted landslides accurately. Also, the effect of rainfall duration on increasing the number of unstable cells isalso evident. In this regard, within the first hour, 0.19% of cells indicate a safety factor (FS) less than 1 while after 24 hoursit reaches 4.08%. To evaluate the model sensitivity to initial ground water level, some adjustments were made in the water table level. The result showed that, unlike the changes in precipitation, modelresponse to watertablefluctuation is not significant. پرونده مقاله

دسترسی آزاد مقاله

245 - A New Multi-Stage Feature Selection and Classification Approach: Bank Customer Credit Risk Scoring
Farshid Abdi

10.30495/jiei.2021.1919589.1079

AbstractLots of information about customers are stored in the databases of banks. These databases can be used to assess the credit risk. Feature selection is a well-known concept to reduce the dimension of such databases. In this paper, a multi-stage feature selection a چکیده کامل

AbstractLots of information about customers are stored in the databases of banks. These databases can be used to assess the credit risk. Feature selection is a well-known concept to reduce the dimension of such databases. In this paper, a multi-stage feature selection approach is proposed to reduce the dimension of database of an Iranian bank including 50 features. The first stage of this paper is devoted to removal of correlated features. The second stage of it is allocated to select the important features with genetic algorithm. The third stage is proposed to weight the variables using different filtering methods. The fourth stage selects feature through clustering algorithm. Finally, selected features are entered into the K-nearest neighbor (K-NN) and Decision Tree (DT) classification algorithms. The aim of the paper is to predict the likelihood of risk for each customer based on effective and optimum subset of features available from the customers. پرونده مقاله

دسترسی آزاد مقاله

246 - Customer Behavior Mining Framework (CBMF) using clustering and classification techniques
Farshid Abdi Shaghayegh Abolmakarem

The present study proposes a Customer Behavior Mining Framework on the basis of data mining techniques in a telecom company. This framework takes into account the customers’ behavior patterns and predicts the way they may act in the future. Firstly, clustering tec چکیده کامل

The present study proposes a Customer Behavior Mining Framework on the basis of data mining techniques in a telecom company. This framework takes into account the customers’ behavior patterns and predicts the way they may act in the future. Firstly, clustering technique is used to implement portfolio analysis and previous customers are divided based on socio-demographic features usingk-means algorithm. Then, the cluster analysis is conducted based on two criteria, i.e., the number of hours the telecom services used and the number of the services selected by customers of each group. Six groups of customers are identified in three levels of attractiveness according to the results ofthecustomer portfolio analysis. The second phase has been devoted to mining the future behavior of the customers. Predicting the level of attractiveness of newcomer customers and also the churn behavior of these customers are accomplished in the second phase. This framework effectively helps the telecom managers mine the behavior of their customers. This may lead to develop appropriate tactics according to customers’ attractiveness and their churn behavior. Improving managers’ abilities in customer relationship management is one of the obtained results of the study. پرونده مقاله

دسترسی آزاد مقاله

247 - A neuro-fuzzy approach to vehicular traffic flow prediction for a metropolis in a developing country
L Ogunwolu O Adedokun O Orimoloye S.A Oke

Short-term prediction of traffic flow is central to alleviating congestion and controlling the negative impacts of environmental pollution resulting from vehicle emissions on both inter- and intra-urban highways. The strong need to monitor and control congestion time an چکیده کامل

Short-term prediction of traffic flow is central to alleviating congestion and controlling the negative impacts of environmental pollution resulting from vehicle emissions on both inter- and intra-urban highways. The strong need to monitor and control congestion time and costs for metropolis in developing countries has therefore motivated the current study. This paper establishes the application of neuro-fuzzy to predict traffic volume of vehicles on a busy traffic corridor. Using a case drawn from metropolitan Lagos, Nigeria, a traffic prediction system is designed such that the predicted values (output) can be accessed by the public through mobile phones. The best route to a particular route will also be advised by the system. In addition, the expected fuel consumption and travel time will be included in the output. Input data is pre-processed based on acquired real time traffic data, the network is trained and the fuzzifier module categorized the numerical output of the model. The advisory module of the traffic prediction model then computes the expected travel time and the fuel consumption cost. The results obtained established the non-linear nature of traffic flow along the routes and indicates that predicting the traffic situation is non-algorithmic. The travel time along the routes is averaged at 23.5 minutes, while the fuel cost is estimated at an average of $2.03. Thus, proper control of traffic time and cost could be obtained if monitoring is aided with neuro-fuzzy as a tool. پرونده مقاله

دسترسی آزاد مقاله

248 - نقش نااطمینانی های سیاسی و اقتصادی بر بهبود پیش بینی پذیری فعالیت های بخش صنعت در کشور ایران
فرزانه خلیلی مهدی محمدی فرید عسگری

بخش صنعت و رشد آن از مهمترین شاخصهای عملکردی اقتصاد در سطح کلان است و دستیابی به نرخ رشد بالاتر در این بخش یکی از اهداف مهم هر نظام اقتصادی به شمار مـی رود. از ایـن رو، بررسی عواملی که بر توسعه بخش صنعت و بهبود قدرت پیش بینی پذیری این بخش اثـر می گذارنـد از اهمیـت بسزای چکیده کامل

بخش صنعت و رشد آن از مهمترین شاخصهای عملکردی اقتصاد در سطح کلان است و دستیابی به نرخ رشد بالاتر در این بخش یکی از اهداف مهم هر نظام اقتصادی به شمار مـی رود. از ایـن رو، بررسی عواملی که بر توسعه بخش صنعت و بهبود قدرت پیش بینی پذیری این بخش اثـر می گذارنـد از اهمیـت بسزایی برخـوردار اسـت. مرور ادبیات مربوط به توسعه بخش صنعت در اقتصاد حاکی از آن است که یکی از مهمترین عوامل مؤثر بر توسعه آن، ثبات اقتصاد کلان در دو بخش اقتصادی و سیاسی است به گونه ای کـه امروزه اقتصاددانان پذیرفته اند که ثبات اقتصادی و سیاسی شرط لازم برای رشد بالا و مـستمر در بخش صنعت اقتصاد اسـت. در همین راستا در تحقیق حاضر به بررسی نقش نااطمینانی های سیاسی و اقتصادی بر بهبود پیش بینی پذیری فعالیت های بخش صنعت در کشور ایران طی دوره زمانی 1370 تا 1399 پرداخته شده است. به منظور تجزیه و تحلیل داده ها از روش گشتاورهای تعمیم یافته GMM استفاده شده است. یافته های تحقیق نشان داد که نااطمینانی های اقتصادی و سیاسی اثرات منفی و معنادار بر توسعه بخش صنعت در کشور ایران داشته است. همچنین مشاهده شد که در نظر گرفتن نااطمینانی های سیاسی و اقتصادی می تواند قدرت پیش بینی پذیری فعالیت های صنعت را بهبود بخشد. بر همین اساس نتیجه گیری می شود سیاست گذاری های کلان اقتصادی و سیاستی در کشور باید طوری پیاده سازی شود که ثبات اقتصادی و در نتیجه توسعه صنعت در کشور را متضرر ننماید. پرونده مقاله

دسترسی آزاد مقاله

249 - پیش بینی قیمت برق در بازارهای نقد و سلف و طراحی مدل بهینه فروش برق در بازارهای مذکور با رویکرد تابع کاپولا
آرش جالبی محمود خدام حسین محمدنژاد

هدف مقاله حاضر پیش بینی قیمت برق در بازارهای نقد و سلف و طراحی مدل بهینه فروش برق در بازارهای مذکور با رویکرد تابع کاپولا بود. برای این منظور از اطلاعات روزانه در بازه زمانی 1396-1401 استفاده گردید. به منظور انجام پیش‌بینی از مدل‌های سری زمانی و رویکرد OLS، GARCH و کاپو چکیده کامل

هدف مقاله حاضر پیش بینی قیمت برق در بازارهای نقد و سلف و طراحی مدل بهینه فروش برق در بازارهای مذکور با رویکرد تابع کاپولا بود. برای این منظور از اطلاعات روزانه در بازه زمانی 1396-1401 استفاده گردید. به منظور انجام پیش‌بینی از مدل‌های سری زمانی و رویکرد OLS، GARCH و کاپولا استفاده گردید. نتایج نشان داد که توابع مثلثاتی به خوبی می‌توانند رفتار قیمت‌های برق را توضیح دهند که ناشی از رفتار فصلی قیمت‌های برق در طول دوره‌های یکساله است. در بخش تصادفی نیز، مقادیر برآوردی نشان می دهد که جزء تصادفی دارای میانگین تقریباً برابر با صفر بوده و سرعت بازگشت به میانگین در قیمت‌ها بالا است. میانگین شوک‌ها، منفی و واریانس آنها بسیار کوچک هستند. کوچک بودن مقادیر متوسط شوک‌ها عملاً نشان می‌دهد، شوک‌های رخ داده در قیمت بازار برق ایران بسیار ناچیز است و مهمتر آنکه این شوک‌ها بیشتر از نوع شوک‌های منفی بوده است. در خصوص استراتژی بهینه در هنگام ورود به معاملات آتی، توصیه ما به بازیگران استفاده از روش کاپولا گارچ برای محاسبه نسبت‌های بهینه در جهت پوشش ریسک است به دو دلیل اولاً بدلیل پایین بودن نسبت های پوشش ریسک روش کاپولا-گارچ، تعداد قراردادهای مورد نیاز برای پوشش ریسک کمتر بوده و در نتیجه هزینه معاملاتی کمتری را دارد، ثانیاً با توجه به محدودیت های موجود و بالاخص نقدینگی پایین در معاملات بورس انرژی عملاً امکان پوشش ریسک بیشتر از موقعیت نقدی (نسبت بهینه پوشش ریسک بزرگتر از یک) که در نسبت های بهینه پوشش ریسک دو مدل گارچ با ضریب پرونده مقاله

دسترسی آزاد مقاله

250 - ارائه مدلی برای پیش بینی قیمت ارز دیجیتال در شرایط عدم اطمینان محیطی با شبکه عصبی مصنوعی فازی
محمد حسین درویش متولی شیرین امینی

چکیدهدر این تحقیق با استفاده از روش شبکه‌های‌ عصبی فازی به پیش‌بینی‌ قیمت‌ بیت‌ کوین‌ پرداخته می شود. برای شناسایی معیارهای مناسب در این تحقیق به منظور پیش بینی قیمت بیت کوین در مرحله نخست از مطالعات و تحقیقات پیشین در این حوزه استفاده نموده‌ایم. در ادامه با استفاده از چکیده کامل

چکیدهدر این تحقیق با استفاده از روش شبکه‌های‌ عصبی فازی به پیش‌بینی‌ قیمت‌ بیت‌ کوین‌ پرداخته می شود. برای شناسایی معیارهای مناسب در این تحقیق به منظور پیش بینی قیمت بیت کوین در مرحله نخست از مطالعات و تحقیقات پیشین در این حوزه استفاده نموده‌ایم. در ادامه با استفاده از مصاحبه با خبرگان و کارشناسان در این حوزه همچنین اطلاعات موجود در مورد بیت کوین عوامل نهایی شدند. با استفاده از سایت های مرتبط و معیارهای شناسایی شده به جمع آوری اطلاعات تحقیق پرداخته شد. به اینصورت که ابتدا اطلاعات داده های جمع آوری شده را نرمال نمودیم. در مرحله بعد با ورود اطلاعات نرمال شده به نرم افزار متلب (MATLAB) و استفاده از جعبه ابزار طراحی شده و استفاده از روش شبکه عصبی فازی به پیش بینی قیمت بیت کوین پرداخته شد. به اینصورت که 60 % داده های ورودی که شامل 1330 داده است به عنوان داده های آموزش و 40 % داده ها که 887 داده است به عنوان تست در نظر گرفته شد. نتایج تحقیق نشان از پیش بینی با دقت بالا با استفاده از روش پیشنهادی را دارد. به طوریکه در دو معیار خطای در نظر گرفته شده مقدار ناچیزی برای خطای روش محاسبه گردید. کلید واژه‌ها: پیش بینی، قیمت بیت کوین، شبکه عصبی فازی. پرونده مقاله

دسترسی آزاد مقاله

251 - Prediction of aquifer reaction to different hydrological and management scenarios using visual MODFLOW model-Case study of Qazvin plain
N Faghihi F Kave H Babazadeh

Regarding to increased use of groundwater resources, it seems necessary to have more accurate knowledge of characteristics of aquifers in order to improved usage and accurate management of these resources. In this study, we simulated groundwater flow of Qazvin aquifer u چکیده کامل

Regarding to increased use of groundwater resources, it seems necessary to have more accurate knowledge of characteristics of aquifers in order to improved usage and accurate management of these resources. In this study, we simulated groundwater flow of Qazvin aquifer usingVisual MODFLOW model, collecting data and statistics, as well as using different studies. The simulation model has operated and it has calibrated through changing the input parameters in logical range and comparing the results to level of the groundwater in observation wells. calibratedmodel has been administered in one year and then it got to validate. We planned different scenarios which is possible to occur in future. Then we predicted the reaction of aquifer to these environmental stresses by implementing the model and they have considered by hydrographicframe of average groundwater level for each scenario separately and the results compared to each other. At end, the results of annual water table balance of aquifer are studied and explained. پرونده مقاله

دسترسی آزاد مقاله

252 - بررسی تأثیر سازوکارهای نظام راهبری شرکتی بر کیفیت گزارشگری مالی (شواهدی از بورس اوراق بهادار تهران)
رؤیا دارابی مهناز پیری

در این پژوهش، تأثیر سازوکارهای نظام راهبری شرکتی بر کیفیت گزارشگری مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، طی دورۀ زمانی 7 ساله از 1385 تا 1391، بررسی می‌شود. انتظار می‌رود، استقرار سازوکارهای نظام راهبری شرکتی مناسب، ضمن نظارت‌پذیرترساختن فرایند گزارشگری چکیده کامل

در این پژوهش، تأثیر سازوکارهای نظام راهبری شرکتی بر کیفیت گزارشگری مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، طی دورۀ زمانی 7 ساله از 1385 تا 1391، بررسی می‌شود. انتظار می‌رود، استقرار سازوکارهای نظام راهبری شرکتی مناسب، ضمن نظارت‌پذیرترساختن فرایند گزارشگری مالی از کاهش کیفیت گزارش‌های مالی جلوگیری کند. در پژوهش حاضر از دقت پیش‌بینی جریان‌های نقدی عملیاتی آتی ازطریق اجزای سود عملیاتی، به‌عنوان سنجۀ کیفیت گزارشگری مالی و از نسبت اعضای غیرموظف هیئت مدیره، میزان سهام تحت تملک سرمایه‌گذاران نهادی، تمرکز قدرت، اندازۀ هیئت مدیره، ساختار مالکیت، نوع مالکیت، درصد سهام شناور آزاد، کیفیت حسابرسی، وجود حسابرسی داخلی، کیفیت گزارش حسابرسی و دورۀ تصدی حسابرس به‌عنوان سازوکارهای نظام راهبری شرکتی استفاده شد. درمجموع، تعداد 100 شرکت به‌عنوان نمونه، انتخاب و با استفاده از آزمون مقایسۀ میانگین دو جامعه، نتایج تحلیل شد. یافته‌های پژوهش نشان داد شاخص توانایی سازوکارهای نظام راهبری شرکتی که شامل تمامی ویژگی‌های ساختاری مورد بررسی در این پژوهش است، بر کیفیت گزارشگری مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران بی‌تأثیر است. به‌علاوه، در بررسی تأثیر سازوکارهای نظام راهبری شرکتی به‌صورت منفرد مشخص شد، تنها کیفیت گزارش حسابرسی بر کیفیت گزارشگری مالی شرکت‌ها مؤثر بوده است پرونده مقاله

دسترسی آزاد مقاله

253 - مقایسه مدلهای قیمت گذاری دارایی سرمایه ای،سه عاملی فاما و فرنچ و شبکه های عصبی مصنوعی در پیش بینی بازار سهام ایران
سیده محبوبه جعفری جواد میثاقی فاروجی میثم احمد وند

در تحقیق حاضر،توان مدل سه متغیره فاما و فرنچ(1993)،ارزش گذاری دارایی هایی سرمایه ای و شبکه های عصبی مصنوعی در تبیین بازده سهام در بورس اوراق بهادار تهران مقایسه و سعی شده است به این پرسش پاسخ داده شود که قدرت پیش بینی کدام یک بیشتر است. متغیرهای مدل فاما وفرنچ عبارتند ا چکیده کامل

در تحقیق حاضر،توان مدل سه متغیره فاما و فرنچ(1993)،ارزش گذاری دارایی هایی سرمایه ای و شبکه های عصبی مصنوعی در تبیین بازده سهام در بورس اوراق بهادار تهران مقایسه و سعی شده است به این پرسش پاسخ داده شود که قدرت پیش بینی کدام یک بیشتر است. متغیرهای مدل فاما وفرنچ عبارتند از بازده مازاد بازار،اندازه و نسبت ارزش دفتری به ارزش بازار و متغیر وابسته بازده پرتقوی سهام دوره زمانی 5 ساله از ابتدای 1385 تا 1389 است.در هر بازه سه ماهه از دوره تحقیق،بر اساس اندازه و نسبت ارزش دفتری به ارزش بازار،شرکتهای نمونه به 6 پر تقوی تقسیم و فرضیه های تحقیق بر مبنای این پرتقوی ها آزمون شده است. نتایج به دست آمده نشان می دهد که توان مدل سه متغیره فاما و فرنچ بالاتر از مدلهای قیمت گذاری دارایی های سرمایه ای است:همچنین،مدلهای یک متغیره و سه متغیره شبکه عصبی عملکردی بهتر از مدلهای متناظر دارند پرونده مقاله

دسترسی آزاد مقاله

254 - Reactive Power Management in Micro Grid with Considering Power Generation Uncertainty and State Estimation
Mohammad Reza Forozan Nasab Javad Olamaei

Optimal reactive power dispatch problem in power systems has thrown a growing influence on secure and economic operation, nonlinear and multi- modal problems. Used methods in this issue can be divided into two categories: First, the classical methods like linear program چکیده کامل

Optimal reactive power dispatch problem in power systems has thrown a growing influence on secure and economic operation, nonlinear and multi- modal problems. Used methods in this issue can be divided into two categories: First, the classical methods like linear programming (LP), nonlinear programing (NLP), quadratic programming (QP), interior point methods (IPM), Newton-bused methods, and the second, heuristic methods like genetic algorithm (GA), evolutionary programming (EP), and particle swarm optimization (PSO). In this paper, projected quasi-Newton method (PQN) is used as an optimal algorithm. This algorithm is applied on a 6-bus micro grid in medium voltage level. To make the problem more realistic, a wind turbine is put in one of the buses to consider uncertainty in power generation. Also two buses data are not available to add state estimation to the problem. For troubleshooting of power generation uncertainty, time series prediction model is used to predict wind speed. To overcome the problems of unavailability of some bases information, maximum likelihood weighted least squares estimation (MLWLSE) is used. Finally obtained information is used to optimize the reactive power in micro grid. پرونده مقاله

دسترسی آزاد مقاله

255 - Supplying Three Phase, Four Wire, Unbalanced and Non-Linear, Asymmetric Ohmic-Inductive Load by NPC Inverter Based on Method Predictive Control
Alireza Poolad Mahdi Shahparasti Majid Hosseinpour

In this paper, unbalanced, nonlinear and asymmetric ohmic-inductive three-phase load are supplied by the NPC inverter based on the model named Model Predictive Control (MPC). The MPC is designed for the compensator. The basic principles of MPC as well as MPC model are d چکیده کامل

In this paper, unbalanced, nonlinear and asymmetric ohmic-inductive three-phase load are supplied by the NPC inverter based on the model named Model Predictive Control (MPC). The MPC is designed for the compensator. The basic principles of MPC as well as MPC model are described in this paper. The design of the proposed controller along with the MPC control steps for controlling the power converter and modeling the power converter are provided to determine all possible switching conditions. Also, the cost function that describes the optimal behavior of the system is formulated. Further, discrete models are defined when future behavior predicts controlled variables. Then the switching modes of the NPC inverter are presented and the control scheme is described based on the control schema for the MPCs with the purpose of power converters and drives, variables prediction and cost function definition. The system performance is evaluated based on the proposed method in various loads including symmetric load and symmetric reference flow, unbalanced load, and symmetric phase voltage. The simulation results indicate the optimal performance of the proposed method in supplying three-phase load demand with optimal quality so that the current distortion is low and the inverter output voltage is also multi-level. In addition, considering asymmetric ohmic-inductive loadand step variation in load, the harmonic distortion of the flow is 0.5% in a phase and the output voltage of inverter is also extracted multilevel. The best advantage of the proposed approach compared to SVM methods is controlling without the use of 3D SpaceVector. This makes it easier to compute and implement easier than the 3D-SVM. پرونده مقاله

دسترسی آزاد مقاله

256 - Development of a Novel Method for Predicting Root Canals Working Length by Analyzing Dental Radiographs
Ahmad Moghadam Mohammad Adeli

Accurate working length measurement plays a key role in the success of root canal treatment. In this paper, a novel system is proposed for predicting root canals working length from dental radiographs. The system uses image processing techniques to detect a tooth midlin چکیده کامل

Accurate working length measurement plays a key role in the success of root canal treatment. In this paper, a novel system is proposed for predicting root canals working length from dental radiographs. The system uses image processing techniques to detect a tooth midline and estimate its length in pixels. The estimated length is then used to predict the working length (in mm) by a weighted linear regression model. The system’s performance was evaluated using a database of single- and double-rooted teeth. The mean working length prediction error was 7.3% for single-rooted teeth, and 6.7% and 5.6% for the mesio-buccal and the distal canals of double-rooted teeth, respectively. The system was also successfully used to predict the working length of double-rooted teeth’s mesio-lingual canal, which is invisible in the radiographs. The mean prediction error was 6.9% in this case. The accuracy of these working length predictions indicates that the proposed solution could potentially be used to develop practically efficient working length measurement tools that can overcome some problems of the traditional radiographical measurements such as time-consuming repeated measurements and subjective manual adjustments پرونده مقاله

دسترسی آزاد مقاله

257 - Evolutionary Interval Type-2 Fuzzy Rule Learning Approaches for Uncertain Time-Series Prediction
Aref Safari Rahil Hosseini

This study presents Interval Type-2 Fuzzy Evolutionary models to manage uncertainty in the process of uncertain time-series prediction. This study presents two type-2 fuzzy evolutionary models for rule extraction that were proposed: 1) Evolutionary Interval Type-2 Fuzzy چکیده کامل

This study presents Interval Type-2 Fuzzy Evolutionary models to manage uncertainty in the process of uncertain time-series prediction. This study presents two type-2 fuzzy evolutionary models for rule extraction that were proposed: 1) Evolutionary Interval Type-2 Fuzzy Rule Learning (EIT2FRL), and 1) Evolutionary Interval Type-2 Fuzzy Rule-Set Learning (EIT2FRLS). A ROC curve analysis was applied for performance evaluation, and the results were validated using a 10-fold cross-validation technique. The results reveal that the proposed methods have an AUC of 0.96 for EIT2FRLS and 0.93 for EIT2FRL proposed methods. The results are promising for knowledge extraction in uncertain circumstances, predicting uncertain patterns prediction, and making suitable strategies and optimal decisions. پرونده مقاله

دسترسی آزاد مقاله

258 - An Optimal Distributed Low Frequency Control Framework for Network-based Interconnected Power Systems Featuring Communication Network Delay
Alireza Nazmadini Alimorad Khajehzadeh Mehdi Jafari Shahbazzadeh

Nowadays, the use of networked control system (NCS) technologies in modern power systems is on the rise owing to the expansion of electric energy distribution systems and the advent and development of new communication-based technologies. However, the modern network-bas چکیده کامل

Nowadays, the use of networked control system (NCS) technologies in modern power systems is on the rise owing to the expansion of electric energy distribution systems and the advent and development of new communication-based technologies. However, the modern network-based energy systems are constructed from some coupled subsystems interconnected via their states and share their information through the communication networks featuring inherent time delays. In this article, an efficacious multi-agent-based cooperative distributed economic model predictive control is developed to damp the frequency fluctuations and reduce the cost of consumed electricity in networked-based smart energy systems by considering communication network inherent delays. In this regard, a buffer-based moving horizon strategy with an estimator is suggested to estimate the own states of every sub-system and the coupled states, i.e., those that their information exchange among sub-systems and their values are not accessible due to communication time delays. Moreover, the boundedness of the estimation error and the stability of the closed-loop system are established by this method. The usability and proficiency of the suggested scheme are proved by applying the developed approach for an interconnected power grid. پرونده مقاله

دسترسی آزاد مقاله

259 - Persian Speech Recognition Through the Combination of ANN/HMM
Ladan Khosravani pour Ali Farrokhi

The goal is to create a speech recognition system that is able to recognize Persian speech. Pro-sodic speech is attributed to the hierarchical structure from speech rhythm and tonal expression to the smallest syllable components and provides important information about چکیده کامل

The goal is to create a speech recognition system that is able to recognize Persian speech. Pro-sodic speech is attributed to the hierarchical structure from speech rhythm and tonal expression to the smallest syllable components and provides important information about trans segmental features such as F0 (fundamental frequency), intensity, and duration, which are crucial for natu-ral sound. Prosodic features are highly language dependent, however, the relationship between linguistic features and prosodic data is not well understood in some languages. While relatively high-performance prosodic generators have been developed for many languages, very limited work has been done on prosodic generators in Farsi. In this article, we first use a simple four-layer RNN to extract prosodic information, then we investigate the hybrid ANN/HMM model for Persian speech recognition. 210 samples of the speech of a male person were collected and after removing the noise, 47 of the samples were manually labeled phonetically. Then, the remaining training samples were automatically labeled and new neural networks (ANN) were created for the final recognition of the three-layer MLP type. Four methods including MEL, MEL derivative, energy, and energy derivative were used to extract features, and the values of each of these four methods were combined and given to the neural network. Then we use the neural network to classify these feature vectors and get the most similar vowels. We give the order of vowels as "observations" to HMMs (which are created based on pronunciations) and then find the most probable HMM (or in other words, the most words) to the input sound and output it. By applying recognition on 99.4% of test data, we even reached 100% accuracy in one case, which is a very favorable result considering the small number of speech data پرونده مقاله

دسترسی آزاد مقاله

260 - Diagnostic Study for Neurodegenerative Disorders Based on Handwriting Analysis
Leila Soleimanidoust Abdalhossein Rezai Hamideh Barghamadi Iman Ahanian

10.30495/spre.2024.1994290.1226

One of the most frequently acknowledged personal behavioral traits in the biometric system is the handwritten exam. Numerous fields, including e-health, psychological issues, medical diag-nosis, and many more, can benefit from handwriting analysis. In this study, a hand چکیده کامل

One of the most frequently acknowledged personal behavioral traits in the biometric system is the handwritten exam. Numerous fields, including e-health, psychological issues, medical diag-nosis, and many more, can benefit from handwriting analysis. In this study, a handwriting-based computer diagnostic method for identifying neurodegenerative disorders is established. The sug-gested computer diagnosis system uses the SFTA feature extraction approach, and the findings are classified using SVM, kNN, and D-Tree algorithms. MATLAB R2021b and the handwritten tests gathered at Botucatu Medical School, So Paulo State University—Brazil—are used to assess the performance of the suggested computer diagnosis method. The best results were related into two models of classifier, Optimizable model of SVM and kNN. The accuracy, sensitivity and specificity are 89.2%, 88.3% and 90.0% for SVM and 89.2%,90.0% and 88.3% for kNN over Meander handwritten exam. These results indicate that the use of SFTA feature extraction method, SVM classification algorithm and handwritten database in the proposed computer diagnosis system give acceptable results. پرونده مقاله

دسترسی آزاد مقاله

261 - آزمون آشوبی و غیرخطی بودن شاخص قیمت سهام در بورس تهران
قدرت اله امام وردی سمانه صفرزاده بیجار بنه

چکیده شاخص قیمت سهام یکی از متغیرهای مؤثر در سیستم های اقتصادی بوده که این سری‌های زمانی بسیار پیچیده، اغلب تصادفی و در نتیجه تغییر آن‌ها غیرقابل پیش بینی فرض می‌شود. به همین جهت آزمون‌های پیش‌بینی پذیری و غیرخطی جهت بررسی وجود روند آشوبی معین و فرآیندهای غیرخطی در سری چکیده کامل

چکیده شاخص قیمت سهام یکی از متغیرهای مؤثر در سیستم های اقتصادی بوده که این سری‌های زمانی بسیار پیچیده، اغلب تصادفی و در نتیجه تغییر آن‌ها غیرقابل پیش بینی فرض می‌شود. به همین جهت آزمون‌های پیش‌بینی پذیری و غیرخطی جهت بررسی وجود روند آشوبی معین و فرآیندهای غیرخطی در سری زمانی شاخص قیمت سهام در بورس تهران به صورت روزانه بین سال‌های ۸۷ تا ۱۳۹۲ مورد استفاده قرار گرفت. نتایج آزمون‌ها حاکی از آن بود که آزمون تسلسل و هارست غیر تصادفی بودن شاخص قیمت سهام را تأیید کردند، نتایج حاصل از آزمون های [1] BDS، تسای و اندرسون-دارلینگ بیان‌کننده این بود که شاخص قیمت سهام از فرآیند غیرخطی تبعیت می‌کند.آزمون‌های مستقل بودن کوکران، همبستگی دوگانه و استقلال Chowdenning هم، همبستگی بین مشاهدها را مورد آزمون قراردادند که نتایج حاصل دال بر وجود همبستگی بین متغیرها بود و در ادامه آزمون‌های دوره‌ای تجمعی و آزمون تعدیل‌شده West cho مبنی بر آزمودن فرآیند آشوبی متغیر شاخص قیمت سهام صورت گرفت که نتایج هر دو آزمون، آشوبی بودن فرآیند را مورد تأیید قراردادند. پس از احراز قابلیت پیش‌بینی شاخص قیمت سهام، برای پیش‌بینی در دوره‌های آتی، مدل های ARFIMA، FIGARCH، LSTAR و ESTAR تخمین زده شد. در بین مدل هایی که به بررسی وجود حافظه بلندمدت در متغیر شاخص قیمت سهام پرداخته‌اند مدل FIGARCH که هم حافظه بلندمدت متغیر و هم واریانس و تغییرات متغیر را مدل سازی کرده است دارای قدرت بیشتری در پیش‌بینی بود و در میان مدل های غیرخطی مدل ESTAR دارای قدرت پیش‌بینی بالاتری بود. در انتها نیز پیش‌بینی با فرآیند یک گام به جلو برای ده دوره گزارش شده است. پرونده مقاله

دسترسی آزاد مقاله

262 - بررسی امکان پیش بینی شاخص قیمت سهام در بازار سرمایه ایران و مقایسه توان پیش بینی مدلهای خطی و غیرخطی
کریم امامی قدرت الله امام وردی

سری های زمانی بسیار پیچیده مانند قیمتهای بازار سهام،معمولا تصادفی بوده ،در نتیجه تغییرات آنها غیر قابل پیش بینی فرض می شود.در بیشتر موارد در بررسی مشاهدات اماری مربوط به متغیرهای اقتصادی از جمله قیمت بازار سهام از آزمونهایی استفاده شده که در مواجهه با داده های آشوبی به چکیده کامل

سری های زمانی بسیار پیچیده مانند قیمتهای بازار سهام،معمولا تصادفی بوده ،در نتیجه تغییرات آنها غیر قابل پیش بینی فرض می شود.در بیشتر موارد در بررسی مشاهدات اماری مربوط به متغیرهای اقتصادی از جمله قیمت بازار سهام از آزمونهایی استفاده شده که در مواجهه با داده های آشوبی به اشتباه افتاده و انها را در داده های تصادفی تشخیص داده اند.در حالی که این داده ها در واقع،از مقام های معینی به و جود می ایند که با اختلالاتی جزیی همراه می باشد.به همین دلیل آزمونهای پیش بینی پذیری و غیر خطی برای بررسی و جود روند آشوبی معین و فرایندهای غیر خطی در سری زمانی شاخص روزانه سهام بازار اوراق بهادار تهران در بازه زمانی 1379/8/1 تا 1386/7/2 مورد استفاده قرار داده ایم که از جمله می توان به آزمونهای BDS,HURST، تسلسل و بعد همبستگی اشاره نمود که نتایج به دست آمده نشان دهنده پیش بینی پذیری و وجود روند غیر خطی در داده های مورد بررسی بوده است.پس از حصول اطمینان از پیش بینی پذیری و وجود روند غیر خطی در داده های شاخص روزانه سهام،جهت ارائه مدل مناسب برای پیش بینی شاخص قیمت سهام،مدل های سری زمانی خطی (AR) و غیر خطی(GARCH)و شبکه عصبی مصنوعی(ANN) برآورد کرده،سپس،نتایج به دست امده از پیش بینی توسط این مدلها را با استفاده از معیارهای CDC,RMSE,MAE,MAPEو آماره U-THEILمورد مقایسه قرار داده ایم.نتایج به دست امده از مقایسه توان پیش بینی این مدلها بیانگر توان بالای پیش بینی در مدلهای شبکه عصبی مصنوعی نسبت به مدلهای دیگر است. پرونده مقاله

دسترسی آزاد مقاله

263 - مطالعات بین المللی از منظر سنت اثباتی و فرااثباتی در روابط بین الملل
حسن عیوض زاد

چکیده: مطالعات روابط بین الملل از منظر معرفت شناسی تحت تسلط دو سنت معرفت شناختی است. معرفت شناسی اثباتی و معرفت شناسی فرااثباتی اینکه هدف از پژوهش، و مطالعه روابط بین الملل چیست؟ پرسشی است که در این مقاله مورد بحث قرار می گیرد. با این فرض که هدف تحت تأثیر موضع معرفت شن چکیده کامل

چکیده: مطالعات روابط بین الملل از منظر معرفت شناسی تحت تسلط دو سنت معرفت شناختی است. معرفت شناسی اثباتی و معرفت شناسی فرااثباتی اینکه هدف از پژوهش، و مطالعه روابط بین الملل چیست؟ پرسشی است که در این مقاله مورد بحث قرار می گیرد. با این فرض که هدف تحت تأثیر موضع معرفت شناختی است که پژوهشگر اتخاذ می کند. در مطالعات روابط بین الملل اگر پژوهشگر در چارچوب معرفت شناسی اثباتی قرار گیرد هدف او مهار پیش بینی پدیده های بین المللی خواهد بود حال اگر پژوهشگر در چارچوب معرفت شناسی فرااثباتی قرار گیرد هدف ازمطالعه و پژوهش صرفاً فهم و رهایی پدیده های بین المللی خواهد بود. منطق تحلیلی حاکم بر این پژوهش دیالکتیک است، یعنی به یاری اندیشه دیالکتیک ابتدا به تحلیل و بررسی سنت معرفت شناختی مسلط یعنی اثباتی گرایی می پردازیم و هدف مطالعات بین المللی را از منظر این معرفت شناسی بررسی می کنیم. سپس سنت معرفت شناختی مخالف یعنی فرااثبات گرایی را بررسی و هدف مطالعات بین الملل از این منظر مورد بحث قرار می دهیم. پرونده مقاله

دسترسی آزاد مقاله

264 - مقایسه قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی
زهرا پورزمانی حسن کلانتری

امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصب چکیده کامل

امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1389-1376، از بین شرکت‌های مشمول ماده 141 قانون تجارت، 72 شرکت و از بین بقیه شرکت‌ها نیز 72 شرکت انتخاب شد. نتایج آزمون مک‌نمار برای تکنیک‌های الگوریتم ژنتیک غیرخطی و شبکه عصبی نشان می‌دهد که تفاوت معنی‌داری بین نتایج الگوریتم ژنتیک خطی و غیرخطی با شبکه عصبی وجود ندارد. اگر چه دقت پیش‌بینی الگوریتم ژنتیک غیرخطی(90 درصد) و الگوریتم ژنتیک خطی(80 درصد) بیشتر از شبکه عصبی(70 درصد) است ولی این تفاوت از لحاظ آماری معنی‌دار نیست. پرونده مقاله

دسترسی آزاد مقاله

265 - ارائه الگوی ترکیبی سه‌بعدی (مالی، اقتصادی، پایداری) در پیش‌بینی درماندگی مالی شرکت‌ها Providing Three-Dimensional Composite Model (Financial, Economic, Sustainability) in predicting Companies' Financial Distress
احمد برگ بید علی جعفری سید حسن صالح نژاد

درماندگی مالی مسئله‌ای جدی برای حیات اقتصادی کشورهاست و پیش‌بینی درماندگی برای گروه‌های مختلف شامل مدیران، بانک‌ها، سرمایه‌گذاران، سیاست‌گذاران و حسابرسان از اهمیت بالایی برخوردار است. هدف این تحقیق، ارائه الگوی ترکیبی سه‌بعدی (مالی، اقتصادی، پایداری)، الگوی دوبعدی (مال چکیده کامل

درماندگی مالی مسئله‌ای جدی برای حیات اقتصادی کشورهاست و پیش‌بینی درماندگی برای گروه‌های مختلف شامل مدیران، بانک‌ها، سرمایه‌گذاران، سیاست‌گذاران و حسابرسان از اهمیت بالایی برخوردار است. هدف این تحقیق، ارائه الگوی ترکیبی سه‌بعدی (مالی، اقتصادی، پایداری)، الگوی دوبعدی (مالی و اقتصادی) و تک‌بعدی (مالی) در پیش‌بینی درماندگی مالی شرکت‌ها و همچنین مقایسه قدرت پیش‌بینی کنندگی الگوها با رویکرد تحلیل مؤلفه اصلی می‌باشد که با استفاده از رویکرد پس رویدادی (از طریق اطلاعات گذشته) از نوع توصیفی- همبستگی و بر اساس اهداف نیز از نوع پژوهش‌های کاربردی به حساب می‌آید در واقع سؤال اصلی تحقیق این است که الگوی ترکیبی سه‌بعدی (مالی، اقتصادی، پایداری) در پیش‌بینی درماندگی مالی شرکت‌ها به چه صورت است؟ همچنین، جامعه آماری و قلمرو مکانی این پژوهش، شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران می‌باشد. با استفاده از روش حذف سیستماتیک تعداد 113 شرکت به عنوان نمونه انتخاب گردید. نتایج نشان داد الگوی ترکیبی سه‌بعدی (مالی، اقتصادی، پایداری) قدرت پیش‌بینی بالایی برای درماندگی داردProviding Three-Dimensional Composite Model(Financial, Economic, Sustainability)in predicting Companies' Financial DistressAhmad BargbidAli JafariSeyyed Hassan Saleh NejadFinancial distress is a serious issue for the economic life of countries and forecasting distress for various groups including managers, banks, investors, policymakers and auditors is of great importance. The purpose of this study is to provide a combined three-dimensional model (financial, economic, sustainability), two-dimensional model (financial and economic) and one-dimensional (financial) in predicting financial distress of companies and also comparing the predictive power of models with component analysis approach. It is the principle that using the post-event approach (through past information) is of the descriptive-correlation type and based on the objectives is also of the applied research type. Also, the statistical population and spatial scope of this research, listed companies and its time domain. Using the systematic removal method, 113 listed companies were selected as a sample. The results showed that the three-dimensional hybrid model (financial, economic, sustainability) has a high predictive power for helplessness. پرونده مقاله

دسترسی آزاد مقاله

266 - تأثیر جریان‌های نقدی آزاد مازاد، نظام راهبری شرکتی و اندازه شرکت بر پیش بینی پذیری سود
ناصر ایزدی نیا وحید رو ح الهی

مطالعات موجود درباره نظام راهبری شرکتی، به طور عمده تمرکز بر این دارد که سیستم نظام راهبری قوی، ارزشگذاری شرکت‌های با جریان‌های نقدی آزاد مازاد یا مشکل جریان‌های نقدی آزاد را افزایش می‌دهد. هدف این مطالعه، بررسی اثر جریان‌های نقدی آزاد مازاد، نظام راهبری شرکتی و اندازه چکیده کامل

مطالعات موجود درباره نظام راهبری شرکتی، به طور عمده تمرکز بر این دارد که سیستم نظام راهبری قوی، ارزشگذاری شرکت‌های با جریان‌های نقدی آزاد مازاد یا مشکل جریان‌های نقدی آزاد را افزایش می‌دهد. هدف این مطالعه، بررسی اثر جریان‌های نقدی آزاد مازاد، نظام راهبری شرکتی و اندازه شرکت بر پیش بینی پذیری سود است. ابتدا اثر جریان‌های نقدی آزاد مازاد بر پیش بینی پذیری سود بررسی می‌شود. سپس به بررسی اثر تعدیل کننده متغیرهای نظام راهبری شرکتی بر رابطه اثر جریان‌های نقدی آزاد مازاد و پیش بینی پذیری سود پرداخته می‌شود. در نهایت، توانایی نظام راهبری شرکتی در کاهش اثر جریان‌های نقدی آزاد مازاد و بهبود پیش بینی پذیری سود در بین شرکت‌های کوچک و بزرگ مورد آزمون قرار می‌گیرد. برای محاسبه اثر جریان‌های نقدی آزاد مازاد از معیار باکیت و اسکندر( 2009) و برای نظام راهبری شرکتی از استقلال هیات مدیره، هیات مدیره کوچک، استقلال رییس هیات مدیره، مالکیت نهادی بالا و مالکیت مدیریت بالا استفاده شده است. نتایج بررسی 80 شرکت نشان می‌دهد که شرکت‌های با اثر جریان‌های نقدی آزاد مازاد بالا دارای پیش بینی پذیری سود کمتری هستند. همچنین مکانیسم‌های نظام راهبری شرکتی (از جمله مستقل بودن رییس هیات مدیره و مالکیت نهادی) اثر مثبتی در کاهش اثر جریان‌های نقدی آزاد مازاد و بهبود پیش بینی پذیری سود دارند که این اثر در شرکت‌های بزرگ بیشتر است. Existing studies on corporate governance mainly focus on how a strong governance system enhances the valuation of firms with cash holding or free cash flow agency problem. The aim of this paper are investigation of impact of surplus free cash flow, corporate governance and firm size on earnings predictability. First, investigates the impact of surplus free cash flows (SFCF) on earnings predictability. Then, investigates whether corporate governance variables moderate the impact of SFCF on earnings predictability. Finally, examines the ability of corporate governance to mitigate SFCF and improve the predictive value of earnings varies between large and small firms. To the calculation of SFCF, Bukit and Iskandar (2009) index and for corporate governance, independent board of directors, small board, independent chairman, high institutional ownership, and high managerial ownership is used. The results of the investigation of 80 firms from among the firms which were accepted in Tehran Stock Exchange offers that firms with high SFCF have less earnings predictability. It also indicates that corporate governance mechanisms (i.e. independent chairman and institutional ownership) has a impact positive in SFCF reduction and improving earnings predictability that is more prominent in larger firms پرونده مقاله

دسترسی آزاد مقاله

267 - نقش بازده مبتنی بر سبک در پیش‌بینی بازده آتی
لیلا صفدریان داریوش فروغی فرزاد کریمی

هدف اصلی این مقاله بررسی توانایی بازده مبتنی بر سبک گذشته در پیش‌بینی بازده آتی در مقایسه با بازده گذشته هست. بدین منظور با تشکیل سبک‌ها بر اساس ارزش دفتری به بازار و اندازه شرکت، با کمک داده‌های 150 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران رابطه بین بازده مبتنی بر س چکیده کامل

هدف اصلی این مقاله بررسی توانایی بازده مبتنی بر سبک گذشته در پیش‌بینی بازده آتی در مقایسه با بازده گذشته هست. بدین منظور با تشکیل سبک‌ها بر اساس ارزش دفتری به بازار و اندازه شرکت، با کمک داده‌های 150 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران رابطه بین بازده مبتنی بر سبک 6 و 12 ماه گذشته به‌عنوان متغیر مستقل و بازده (6،3،1 و 12) ماه آتی به‌عنوان متغیر وابسته پس از کنترل اندازه شرکت، ارزش دفتری به بازار بر مبنای مدل رگرسیون دومرحله‌ای فاما و مکبث (1973) آزمون شد. نتایج نشان می‌دهد که بازده مبتنی بر سبک 6 ماه گذشته در مقایسه با بازده 6 ماه گذشته بهتر می‌تواند بازده (3،1 و 6) ماه آتی را پیش‌بینی نماید. همچنین بین بازده مبتنی بر سبک 6 و 12 ماه گذشته و بازده (6،3،1 و 12) ماه آتی رابطه معنی‌داری وجود دارد. از سوی دیگر توانایی پیش‌بینی بازده آتی به کمک بازده مبتنی بر سبک 12 ماه گذشته بیشتر از بازده مبتنی بر سبک 6 ماه گذشته هست. The main goal of this research was to investigate the capability of past style return in predicting future return in comparison with past return.To achieve this goal, based on the book-to-market value and the company size,150 companies data listed in Tehran Stock exchange in period from 1384 to 1393 were used in the study. In this relation style return and stock return were independent variable and (1,3,6,12) future month stock returns was dependent variable. After controlling size, book-to-market value by using two stage Fama and Mack Beth Regression (1973) the data were analyzed. The result of the study indicated that the past 6 month style return can predict future return (1,3and 6) better than past 6 month return. Furthermore there was a significant relationship between the past 6 and 12 month style return and future month return (1,3,6,and 12).On the other hand,the ability to predict the future return by 12 past month style return was better than 6 past month return. پرونده مقاله

دسترسی آزاد مقاله

268 - Adaptive Online Traffic Flow Prediction Using Aggregated Neuro Fuzzy Approach
Shiva Rahimipour Mahnaz Mohaqeq S.Mehdi Hashemi

Short term prediction of traffic flow is one of the most essential elements of all proactive traffic control systems. Although various methodologies have been applied to forecast traffic parameters, several researchers have showed that compared with the individual metho چکیده کامل

Short term prediction of traffic flow is one of the most essential elements of all proactive traffic control systems. Although various methodologies have been applied to forecast traffic parameters, several researchers have showed that compared with the individual methods, hybrid methods provide more accurate results . These results made the hybrid tools and approaches a more common method for prediction of various traffic parameters. In this paper, an aggregated approach is proposed for traffic flow prediction. The approach is based on the adaptive neuro-fuzzy inference system (ANFIS) and the macroscopic traffic flow model (METANET). Macroscopic modeling tool, METANET, is used to simulate the Hemmat highway/Tehran. After simulation, validation is done using real measurements to show the reliability of the simulation results. In order to calibrate the model, genetic algorithm was followed. The outcome suggests that the proposed approach as a hybrid method obtains a more accurate forecast than the neuro-fuzzy model alone. پرونده مقاله

دسترسی آزاد مقاله

269 - Intelligent Model Based Predicative Controller for DC-DC Converter in Photovoltaic Systems
Hadi Saghafi Amin Rasoulian Mohammadali Abbasian Majid Delshad

10.30495/ijsee.2022.1969247.1232

The DC-DC converters are one of the most widely used power electronics infrastructure in the modern systems including renewable generations. With development of DC-DC converters, the control system of the DC-DC converters role is becoming more and more. To this end, mod چکیده کامل

The DC-DC converters are one of the most widely used power electronics infrastructure in the modern systems including renewable generations. With development of DC-DC converters, the control system of the DC-DC converters role is becoming more and more. To this end, model predictive control (MPC) is known as one of the potential solutions. Although MPC is an easily implemented control system, it needs a high computational complexity due to the dependency on solving an iterative optimization problem. To overcome this problem, this study develops an artificial intelligence-based on one-dimensional convolutional neural network (1D-CNN) based MPCs. While 1D-CNN benefits from the inherent strong feature extraction/selection capability and lower computational complexity than other deep methods, it still cannot properly track the dynamic changes due to fixed weights during the training process. Thus, this paper integrates the dynamic weighting training process and proposed dynamic weighing 1D-CNN for the implementation of intelligent MPC for the DC-DC converters. The numerical results show an efficient performance of the proposed system and also verifies the superiority of the proposed method in comparison with the conventional MPC and several state-of-the arts shallow and deep-based MPC for the DC-DC converters in terms of the total harmonic distortion (THD). پرونده مقاله

دسترسی آزاد مقاله

270 - Load Sharing Control of Parallel Inverters with Uncertainty in the Output Filter Impedances for Islanding Operation of AC Micro-Grid
Pourya Sarvghadi Mohammad Monfared

IJSEE-1705-1051

Parallel connection of inverter modules is a solution to increase reliability, efficiency and redundancy of inverters in Micro-Grid system. Proper load sharing among parallel inverters is a key point. The circulating current among the inverters can greatly reduce the ef چکیده کامل

Parallel connection of inverter modules is a solution to increase reliability, efficiency and redundancy of inverters in Micro-Grid system. Proper load sharing among parallel inverters is a key point. The circulating current among the inverters can greatly reduce the efficiency or even cause instability of the system. In this paper, a control strategy for improving the load sharing performance in order to reduce the circulating current among parallel inverters in islanding micro-grid is proposed. The control strategy includes an estimator for filter parameters, which compensates for any possible uncertainty or drift of their value. Also a double loop feedback control, with an outer voltage and inner current control, is adopted that provides excellent operation at transient and steady-state conditions. Finally, the proposed control and estimation algorithms are confirmed through simulations of two 2kW parallel connected single phase inverters. پرونده مقاله

دسترسی آزاد مقاله

271 - Fuzzy-Decision-Making Predictive Power Control Approach to On-Grid Photovoltaic Panel
Ali Jafer Mahdi Majid Aryanezhad

IJSEE-1705-1052

In this paper, a voltage-current mode controller is proposed to adjust both the input current and DC voltage of a boost-inverter in order to improve the performance of the photovoltaic (PV). The proposed system is based on fuzzy-making-decision predictive voltage-curren چکیده کامل

In this paper, a voltage-current mode controller is proposed to adjust both the input current and DC voltage of a boost-inverter in order to improve the performance of the photovoltaic (PV). The proposed system is based on fuzzy-making-decision predictive voltage-current controller (FPVCC). The simulation results show that in case of using the proposed FPVCC, the input current of a PV array is in the limited value (i.e., is approximate 27% of the short-circuit current of a PV panel) compared with a classical voltage controller, an over-current is passing through PV array (i.e., is about 155% of the short-circuit current). Also, the waveform of the output voltage is sinusoidal with low total harmonic distortion (THD), i.e. 4.21%, and the power obtained from a PV array with FPVCC is approximately 6 times of power obtained without a controller. پرونده مقاله

دسترسی آزاد مقاله

272 - Evaluation of Optimal Fuzzy Membership Function for Wind Speed Forecasting
Shahram Javadi Zeinab Hojjatinia

In this paper, a new approach is proposed in order to select an optimal membership function for inputs of wind speed prediction system. Then using a fuzzy method and the stochastic characteristics of wind speed in the previous year, the wind speed modeling is performed چکیده کامل

In this paper, a new approach is proposed in order to select an optimal membership function for inputs of wind speed prediction system. Then using a fuzzy method and the stochastic characteristics of wind speed in the previous year, the wind speed modeling is performed and the wind speed for the future year will be predicted. In this proposed method, the average and the standard deviation of inputs data are calculated. The membership function shape and the domain intervals are evaluated using the variance of system. This technique prevents from trial and error method for defining the shape and domain intervals of optimal membership function and helps to achieve the desired prediction in a quick way. The wind speed is estimated in the fuzzy inference system and simulated with the fuzzy logic. The sensitivity analyses are performed by changing the input parameters and membership functions shape and the results are compared. The results demonstrate that this new prediction method is a fast and applicable method compared to the other methods since the calculated error will be more than the error of this method if the shape and domain interval of membership function are changed پرونده مقاله

دسترسی آزاد مقاله

273 - Design and Implementation of the Predictive Current Control Strategy in the Single Phase Photovoltaic Grid-Connected Inverter Based on Microcontroller
Hamed Javaheri Fard Hamid Reza Najafi Hossein Eliasi

In this paper, photovoltaic (PV) grid-connected inverter which is the core device in PV grid-connected system has been in depth research.An improved predictive current controller has been developed by the Authors for single-phase grid-connected voltage source inverters چکیده کامل

In this paper, photovoltaic (PV) grid-connected inverter which is the core device in PV grid-connected system has been in depth research.An improved predictive current controller has been developed by the Authors for single-phase grid-connected voltage source inverters (VSI).Based on DSP TMS320LF2407A, a 10 kW single-phase grid-connected inverter has been built in this paper.Thus is aimed at use in distributed generation.Because of the powerful real time processing ability of the DSP, the output power factor of the PV inverter connected with grid can be controlled to unity. The composition of main circuit and control loop is described in detail and the operating principle of each functional block is analyzed deeply.The experiment results show that the improved predictive controller has a superior performance. The single-phase grid-connected VSI implemented with the proposed predictive controller has shown very low current THD in laboratory test پرونده مقاله

دسترسی آزاد مقاله

274 - Predicting the Next State of Traffic by Data Mining Classification Techniques
S.Mehdi Hashemi Mehrdad Almasi Roozbeh Ebrazi Mohsen Jahanshahi

Traffic prediction systems can play an essential role in intelligent transportation systems (ITS). Prediction and patterns comprehensibility of traffic characteristic parameters such as average speed, flow, and travel time could be beneficiary both in advanced traveler چکیده کامل

Traffic prediction systems can play an essential role in intelligent transportation systems (ITS). Prediction and patterns comprehensibility of traffic characteristic parameters such as average speed, flow, and travel time could be beneficiary both in advanced traveler information systems (ATIS) and in ITS traffic control systems. However, due to their complex nonlinear patterns, these systems are burdensome. In this paper, we have applied some supervised data mining techniques (i.e. Classification Tree, Random Forest, Naïve Bayesian and CN2) to predict the next state of Traffic by a categorical traffic variable (level of service (LOS)) in different short-time intervals and also produce simple and easy handling if-then rules to reveal road facility characteristic. The analytical results show prediction accuracy of 80% on average by using methods پرونده مقاله

دسترسی آزاد مقاله

275 - Neuro-Fuzzy Based Algorithm for Online Dynamic Voltage Stability Status Prediction Using Wide-Area Phasor Measurements
Ahmad Ahmadi Yousef Alinezhad Beromi

In this paper, a novel neuro-fuzzy based method combined with a feature selection technique is proposed for online dynamic voltage stability status prediction of power system. This technique uses synchronized phasors measured by phasor measurement units (PMUs) in a wide چکیده کامل

In this paper, a novel neuro-fuzzy based method combined with a feature selection technique is proposed for online dynamic voltage stability status prediction of power system. This technique uses synchronized phasors measured by phasor measurement units (PMUs) in a wide-area measurement system. In order to minimize the number of neuro-fuzzy inputs, training time and complication of neuro-fuzzy system, the Pearson feature selection technique is exploited to select set of input variables that have the strongest correlation with the output. Study on the network features such as phase angle and voltage amplitude has shown that among two interesting features, phase angle has maximum information about the performance of the network and solely can be used for training purposes. This is extra advantage of the proposed method that minimum data is needed to predict dynamic voltage stability status The efficiency of the proposed dynamic voltage stability prediction method is verified by simulation results of New England 39-bus and IEEE 68-bus test systems. Simulation results show that the proposed algorithm is accurate, computationally very fast and reliable. Moreover, it requires minimum data and so it is desirable for Wide Area Monitoring System (WAMS). پرونده مقاله

دسترسی آزاد مقاله

276 - پیش بینی گرایش احساسی سرمایه گذاران با استفاده ازتکنیک‏های ماشین بردار پشتیبان(SVM) و درخت تصمیم(DT)
رضا تقوی ایمان داداشی محمدجواد زارع بهنمیری حمیدرضا غلام نیا روشن

گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد. احساسات سرمایه گذاران تحت تاثیر پدیده های روانشناختی، به رفتار افراد جهت می بخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی می شوند. هدف از انجام این پژوه چکیده کامل

گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد. احساسات سرمایه گذاران تحت تاثیر پدیده های روانشناختی، به رفتار افراد جهت می بخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی می شوند. هدف از انجام این پژوهش، بکارگیری روش های فراابتکاری جهت پیش بینی گرایش های احساسی سرمایه گذاران است. در این پژوهش با استفاده از 97 نسبت مالی مربوط به176 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1385 تا1397، اقدام به پیش بینی گرایش های احساسی سرمایه گذاران با استفاده از تکنیک های ماشین بردار پشتیبان (SVM) و درخت تصمیم (DT) شده است. برای سنجش گرایش احساسی سرمایه گذاران از 4 شاخص قدرت نسبی، خط روان شناسانه، حجم معاملات و نرخ تعدیل گردش سهام بهره گرفته شده که در نهایت به کمک روش تجزیه و تحلیل مولفه های اساسی (PCA) اقدام به ترکیب این شاخص ها نموده ایم. جهت مقایسه روش های پیش بینی، از مقادیر میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) استفاده شده است. نتایج حاصل از تحلیل داده ها بیانگر آن است که خطای پیش بینی روش ماشین بردار پشتیبان در مقایسه با درخت تصمیم کمتر است. پرونده مقاله

دسترسی آزاد مقاله

277 - طراحی الگوی پیش بینی بازده تعدیل شده بر حسب ریسک نامطلوب؛ شواهدی از بورس اوراق بهادار تهران
فیروز صیادی علی اصغر انواری رستمی فریدون رهنمای رودپشتی تقی ترابی

هدف از این مقاله، طراحی الگوی پیش بینی بازده تعدیل شده بر حسب ریسک نامطلوب می باشد. در گام نخست، عوامل موثر بر بازده و بازده تعدیل شده بر حسب ریسک نامطلوب در شرایط عدم تقارن اطلاعاتی تعیین گردید. سپس الگوی پیش بینی بازده تعدیل شده بر حسب ریسک نامطلوب ارائه شد. متغیرهای چکیده کامل

هدف از این مقاله، طراحی الگوی پیش بینی بازده تعدیل شده بر حسب ریسک نامطلوب می باشد. در گام نخست، عوامل موثر بر بازده و بازده تعدیل شده بر حسب ریسک نامطلوب در شرایط عدم تقارن اطلاعاتی تعیین گردید. سپس الگوی پیش بینی بازده تعدیل شده بر حسب ریسک نامطلوب ارائه شد. متغیرهای موثر داخلی و خارجی متعددی بر بازده تعدیل شده بر حسب ریسک نامطلوب موثر می باشند و این متغیرها هر یک دارای وجوه مثبت و منفی توام و مبهمی بر بازده تعدیل شده بر حسب ریسک نامطلوب می باشند. برای رفع ابهام در خصوص نقش متغیرهای موثر بر بازده تعدیل شده بر حسب ریسک نامطلوب شرکتها این پژوهش پی ریزی شده است. بر اساس تحلیل داده های ۷۸ شرکت نمونه طی سالهای 1388 الی 1994، نتایج آزمون مدل رگرسیونی نشان داد که در سطح اطمینان 99٪ پنج متغیر ساختار سرمایه، میزان سود خالص دوره، بازده مجموع داراییها، دوره تصدی هیات مدیره، و دوگانگی وظایف مدیرعامل و رئیس هیات مدیره، و درسطح اطمینان 95٪ علاوه بر پنج متغیر قبل، دو متغیر نسبت سود تقسیمی و جریان وجوه نقد عملیاتی نیز بر بازدهی تعدیل شده بر حسب ریسک نامطلوب تاثیر معنی داری داشته اند. پرونده مقاله

دسترسی آزاد مقاله

278 - طراحی مدلی جهت پیش بینی قیمت قراردادهای آتی سکه طلا با استفاده از معادلات دیفرانسیل تصادفی
راحله باقری محمدرضا ستایش رضا رادفر

بازار سرمایه یکی از بازارهای مالی است که در یک اقتصاد پویا می تواند زمینه ساز رشد بلند مدت اقتصادی باشد. در این بازارها ابزارهای مالی متفاوتی مورد داد و ستد واقع می شوند. از جمله این ابزارهای مالی ، قراردادهای آتی است که ارزش خود را از یک دارایی پایه می گیرند. بدیهی است چکیده کامل

بازار سرمایه یکی از بازارهای مالی است که در یک اقتصاد پویا می تواند زمینه ساز رشد بلند مدت اقتصادی باشد. در این بازارها ابزارهای مالی متفاوتی مورد داد و ستد واقع می شوند. از جمله این ابزارهای مالی ، قراردادهای آتی است که ارزش خود را از یک دارایی پایه می گیرند. بدیهی است برای ورود به بازار قراردادهای آتی، شخص سرمایه گذار برای پوشش ریسک خود نیاز به پیش بینی روند آینده قیمت ها دارد. به همین منظور در پژوهش پیش روی به انتخاب معادله دیفرانسیل تصادفی مناسب جهت مدلسازی پیش بینی قیمت قراردادهای آتی سکه پرداخته شده است.برای این منظور پس از ارائه توضیحات لازم در مورد ضرورت استفاده از مدلهای تصادفی و در نتیجه اصول جدید تحت عنوان حسابان تصادفی ، به معرفی مهم ترین معادلات دیفرانسیل تصادفی کاربردی در علوم مالی شامل حرکت براونی هندسی، براونی هندسی با جمله جهش، هستون و مدل تبیین شده پرداخته شده است. سپس با رویکردی کاربردی و بر اساس توان هر مدل جهت پیش بینی قیمت قراردادهای آتی به وسیله شبیه سازی مونت کارلو، مدل مناسب انتخاب شده است.نتایج معیارهای نیکویی برازش در خصوص قدرت پیش بینی حاکی از برتری مدل تبیین شده در این قراردادها می باشد. پرونده مقاله

دسترسی آزاد مقاله

279 - پیش بینی بازده سهام بر پایه توزیع کرنل و اختلاط توزیع های نرمال
غلامرضا زینلی نرگس یزدانیان

مدل‌سازی و پیش‌بینی بازده سهام همواره یکی از چالش‌های پیش روی محققان و سرمایه‌گذاران بوده است. از این رو روش‌ها و مدل‌های متفاوتی ارائه شده که اغلب آنها متکی بر مفروضاتی چون توزیع بازده بوده‌اند. در پژوهش حاضر پیش‌بینی بازده سهام بر پایه توزیع کرنل و اختلاط توزیع‌های نر چکیده کامل

مدل‌سازی و پیش‌بینی بازده سهام همواره یکی از چالش‌های پیش روی محققان و سرمایه‌گذاران بوده است. از این رو روش‌ها و مدل‌های متفاوتی ارائه شده که اغلب آنها متکی بر مفروضاتی چون توزیع بازده بوده‌اند. در پژوهش حاضر پیش‌بینی بازده سهام بر پایه توزیع کرنل و اختلاط توزیع‌های نرمال مورد ارزیابی قرار گرفت. برای این منظور توابع کرنل و اختلاط نرمال‌ها و پارامترهای مربوط به آنها از طریق ماکسیمم‌سازی تابع درستنمایی، مورد برآورد قرار گرفته و چندک‌های 99%، 95% و 90% هریک از توزیع‌ها برای 30 شرکت برتر بورس در سه ماهه چهارم سال 1398 به عنوان مقادیر پیش‌بینی بازده محاسبه گردید. به منظور تعیین دقت روش‌های پیش‌بینی معیارهای خطای MSE و PRED بکار گرفته شد و نتایج نشان داد که اختلاط توزیع‌های نرمال و تقریب کرنل هر دو از طریق چندک 90% توزیع بازده می‌توانند پیش‌بینی‌های مطلوبی از بازده‌های 5 روزه سهام ارائه دهند. مقایسه دقت این دو روش نشان داد تقریب کرنل به عنوان یک روش ناپارامتری پیش‌بینی بازده، دقت بالاتری نسبت به اختلاط توزیع‌های نرمال در پیش‌بینی داشته است. پرونده مقاله

دسترسی آزاد مقاله

280 - طراحی الگوی غیرخطی سرایت‌پذیری شاخص کل بورس اوراق بهادار تهران از بازار دارایی‌های فیزیکی (کاربردی از مدل شبکه عصبی مصنوعی NARX)
مهدی شبان حبیب اله نخعی قدرت الله طالب نیا نازنین بشیری منش

پژوهش حاضر به بررسی سرایت‌پذیری شاخص کل بورس اوراق بهادار تهران از قیمت دارایی‌های موازی با بکارگیری شبکه‌ عصبی مصنوعی پویا می‌پردازد. برای انجام محاسبات، سری‌زمانی قیمت سکه تمام بهار آزادی(نماینده بازار‌ طلا)، قیمت هر متر مربع ساختمان مسکونی(نماینده بازار مسکن)، قیمت ه چکیده کامل

پژوهش حاضر به بررسی سرایت‌پذیری شاخص کل بورس اوراق بهادار تهران از قیمت دارایی‌های موازی با بکارگیری شبکه‌ عصبی مصنوعی پویا می‌پردازد. برای انجام محاسبات، سری‌زمانی قیمت سکه تمام بهار آزادی(نماینده بازار‌ طلا)، قیمت هر متر مربع ساختمان مسکونی(نماینده بازار مسکن)، قیمت هر بشکه نفت خام ایران و نرخ دلار آمریکا در برابر ریال و نوسانات شرطی آن‌ها به عنوان متغیرهای ورودی و شاخص کل بورس اوراق بهادار تهران و نوسان شرطی آن به عنوان متغیر هدف از سال 1387 تا 1397با تواتر روزانه مورد بررسی قرار می‌گیرد. شبکه عصبی غیرخطی پویا با چهار متغیر ورودی و یک متغیر هدف با لایه‌ها و نرون‌های مختلف با معیار میانگین مجذور خطا و ضریب تعیین مورد ارزیابی قرار گرفته و مدل‌ها با دو لایه به ترتیب با 20 نرون و 10 نرون دارای حداقل میانگین مجذور خطا می‌باشند. نتایج پژوهش نشان می‌دهد بورس اوراق بهادار تهران حداکثر با دو وقفه زمانی از بازارهای رقیب سرایت‌پذیری داشته که نشان‌دهنده‌ی کارایی ضعیف بازار اوراق بهادار تهران می‌باشد. نتایج نشان می‌دهند شبکه‌‌های عصبی پیشنهادی قدرت بالایی در پیش‌بینی شاخص‌کل بورس اوراق بهادار تهران و نوسانات آن از سال 1387 تا 1397 به عنوان پیش‌بینی درون نمونه‌ای و سال 1398 به عنوان پیش‌بینی برون نمونه‌ای دارند. پرونده مقاله

دسترسی آزاد مقاله

281 - پیش‌بینی قیمت سهام در بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی مصنوعی(ANN) و مدل خود‌رگرسیون میانگین متحرک انباشته (ARIMA) : مطالعه موردی دو شرکت دارویی فعال بورس اوراق بهادار
احمد چگنی عزیز گرد

در این تحقیق به مقایسه کارایی دو روش پیش‌بینی شبکه عصبی مصنوعی (ANN) و روش سنتی خودرگرسیون میانگین متحرک انباشته (ARIMA) در پیش‌بینی قیمت سهام در بازار سهام ایران پرداخته شده است. بدین منظور 2 شرکت دارویی البرز‌دارو و جام‌دارو انتخاب شده و مدل ARIMA و مدل شبکه عصبی مصنو چکیده کامل

در این تحقیق به مقایسه کارایی دو روش پیش‌بینی شبکه عصبی مصنوعی (ANN) و روش سنتی خودرگرسیون میانگین متحرک انباشته (ARIMA) در پیش‌بینی قیمت سهام در بازار سهام ایران پرداخته شده است. بدین منظور 2 شرکت دارویی البرز‌دارو و جام‌دارو انتخاب شده و مدل ARIMA و مدل شبکه عصبی مصنوعی برای هر دو شرکت تخمین زده شد. به منظور تخمین مدل شبکه عصبی مصنوعی، متغیر قیمت سهام به عنوان متغیر وابسته و متغیر‌های حجم معاملات سهام، شاخص صنعت دارو، قیمت نفت اوپک، نرخ ارز و قیمت طلا به عنوان متغیر‌های مستقل در نظر گرفته شد. برای مقایسه دو مدل نیز از معیارهای MSE,RMSE,MAD,R2 و MAPE استفاده شد. به منظور تخمین مدل رگرسیون پیش‌بینی قیمت سهام از فرآیند خود‌رگرسیون میانگین متحرک انباشته (ARIMA) استفاده و تخمین ضرایب مدل با استفاده از نرم‌افزار آماری EVIEWS انجام شده و مدل شبکه عصبی مصنوعی(ANN) مناسب برای پیش‌بینی قیمت سهام نیز با استفاده از نرم‌افزار MATLAB ساخته شد. نتایج تحقیق نشان داد که فرضیه تحقیق در صورت تأثیر متغیر‌های کلان اقتصادی بر روی قیمت سهام صحیح بوده و مدل شبکه عصبی مصنوعی (ANN) پیش‌بینی بهتری از قیمت سهام در بازار سهام ایران در مقایسه با روش خود‌رگرسیون میانگین متحرک انباشته (ARIMA) دارد. پرونده مقاله

دسترسی آزاد مقاله

282 - مقایسه پیش‎بینی بازده ارزهای رمزنگاری‌شده با استفاده از دو رویکرد حرکت براونی هندسی و تبدیلات موجک
احمد شجاعی علیرضا حیدرزاده هنزائی

در پژوهش حاضر دقت پیش&lrm;بینی بازده ارزهای رمزنگاری‌شده با استفاده از دو رویکرد حرکت براونی هندسی و تبدیلات موجک مورد مقایسه قرار گرفت. برای این منظور پنج ارز رمزنگاری‌شده بیت کوین، اتریوم، ریپل، بیت کوین کش و ای او اس به‌عنوان نماینده‌ای از دارایی‌های ریسکی طی دوره دو چکیده کامل

در پژوهش حاضر دقت پیش&lrm;بینی بازده ارزهای رمزنگاری‌شده با استفاده از دو رویکرد حرکت براونی هندسی و تبدیلات موجک مورد مقایسه قرار گرفت. برای این منظور پنج ارز رمزنگاری‌شده بیت کوین، اتریوم، ریپل، بیت کوین کش و ای او اس به‌عنوان نماینده‌ای از دارایی‌های ریسکی طی دوره دو‌ساله 2018 تا 2020 با تواتر روزانه مورد مطالعه قرار گرفتند. به‌منظور مقایسه دقت روش‌ها در پیش‌بینی بازده از دو معیار ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا استفاده شد. در مدل‌سازی براونی هندسی، مدل دیفرانسیل تصادفی مبتنی بر فرایند براونی برای قیمت دارایی، منجر به این می‌شود که بازده لگاریتمی دارایی دارای توزیع نرمال با پارامترهای وابسته به زمان است. نتایج حاصل از پیش‌بینی بازده لگاریتمی این ارزها تحت هر دو روش نشان داد که تبدیلات موجک در 4 ارز (بیت کوین، اتریوم، ریپل، بیت کوین کش) از پنج ارز رمزنگاری‌شده مورد مطالعه، خطای کمتری در پیش‌بینی بازده داشته است و در ارز ای. او. اس. نیز از نظر هر معیار خطا، یکی از روش‌های پیش‌بینی مطلوبیت داشته است. با استناد به این نتایج می‌توان دریافت که روش تبدیلات موجک در پیش‌بینی بازده دارایی‌های ریسکی خطای کمتری نسبت به روش براونی هندسی داشته است. پرونده مقاله

دسترسی آزاد مقاله

283 - پیش بینی بازده بازار سرمایه با استفاده از الگوی یادگیری الگوریتم لورنبرگ مارکوات, گرادیان نزولی و الگوی آریما (ARIMA)
مهدی اشعریون قمی زاده محمد محمودی

پژوهش حاضر بر اساس ارزیابی الگوی یادگیری الگوریتم لورنبرگ مارکوات، گرادیان نزولی و الگوی آریما به مقایسه و توانایی پیش‌بینی کنندگی در بازار سرمایه می‌پردازد. بدین منظور داده‌های بازار در سال‌های 1394 تا 1397 مورد استفاده قرار گرفت و بیش از 75 درصد از این داده‌ها تا قبل چکیده کامل

پژوهش حاضر بر اساس ارزیابی الگوی یادگیری الگوریتم لورنبرگ مارکوات، گرادیان نزولی و الگوی آریما به مقایسه و توانایی پیش‌بینی کنندگی در بازار سرمایه می‌پردازد. بدین منظور داده‌های بازار در سال‌های 1394 تا 1397 مورد استفاده قرار گرفت و بیش از 75 درصد از این داده‌ها تا قبل از سال 1397 به عنوان داده‌های آموزشی استفاده شد و داده‌های یک سال پایانی نیز به عنوان داده‌های آزمایشی مورد استفاده قرار گرفته شده است. نتایج تحقیق نشان داده‌اند، شبکه‌های عصبی مصنوعی ظرفیت بالایی برای پیش‌بینی قیمت دارند. مقایسه نتایج و عملکرد شبکه‌های عصبی و الگوی آریما (ARIMA) حاکی از آن است که شبکه عصبی قدرت پیش‌بینی بالاتری در مقایسه با الگوی خطی آریما (ARIMA) دارد، همچنین مقایسه عملکرد و دقت پیش‌بینی دو نوع شبکه عصبی با الگوریتم یادگیری لونبرگ مارکوارت و الگوریتم یادگیری گرادیان نزولی نشان داد که استفاده از الگوریتم یادگیری لونبرگ مارکورات توانسته است دقت پیش‌بینی شبکه عصبی را افزایش داده و خطای آن را کاهش دهد، بنابراین بر پایه پژوهش انجام شده می‌توان چنین نتیجه گرفت که الگوریتم یادگیری لونبرگ مارکوارت قدرت پیش‌بینی شبکه عصبی را بهبود می‌بخشد. پرونده مقاله

دسترسی آزاد مقاله

284 - نسبتهای مالی تصویری و پیش‌بینی ورشکستگی شرکتها با استفاده از مدل شبکه‌های عصبی کانولوشن
عباسعلی حق پرست علیرضا مومنی عزیز گرد فردین منصوری

پژوهش حاضر با هدف بکارگیری شبکه عصبی کانولوشن برای پیش بینی ورشکستگی شرکتها با استفاده از نسبتهای مالی تصویری انجام می‌گیرد. در دنیای به سرعت در حال تغییر، برای شناسایی تصاویر، شبکه‌های عصبی کانولوشن در مسائل مربوط به بسیاری از رشته‌ها بکار می‌روند. دوره زمانی پژوهش 138 چکیده کامل

پژوهش حاضر با هدف بکارگیری شبکه عصبی کانولوشن برای پیش بینی ورشکستگی شرکتها با استفاده از نسبتهای مالی تصویری انجام می‌گیرد. در دنیای به سرعت در حال تغییر، برای شناسایی تصاویر، شبکه‌های عصبی کانولوشن در مسائل مربوط به بسیاری از رشته‌ها بکار می‌روند. دوره زمانی پژوهش 1388 تا 1397 و شرکتهای نمونه از بین شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و در قالب دو گروه شامل 66 شرکت ورشکسته و 66 شرکت غیر ورشکسته انتخاب شدند. از آنجا که کار شبکه عصبی کانولوشن شناخت تصاویر از بین تصاویر موجود است لذا ابتدا نسبتهای مالی به عنوان داده های پژوهش از طریق نرم افزار متلب 2019 به تصویر تبدیل و سپس با کمک شبکه عصبی کانولوشن و تحت معماری گوگل نت اقدام به تشخیص و پیش بینی وضعیت شرکتهای نمونه گردید. نتایج حاصل از تحلیل یافته‌ها نشان داد که مدل شبکه‌های عصبی کانولوشن در پیش بینی و شناخت از روی تصاویر، پیش بینی درستی با دقت 50 درصد از بین شرکتها انجام داد. به عبارتی در پیش بینی وضعیت تداوم فعالیت شرکتها 50 درصد از شرکتهای ورشکسته و 50 درصد از شرکتهای غیر ورشکسته را درست تشخیص داد. پرونده مقاله

دسترسی آزاد مقاله

285 - مقایسه پیش بینی قیمت و کاهش ریسک قراردادهای آتی به وسیله معادلات دیفرانسیل تصادفی(مدل هستون و مرتون)
راحله باقری محمدرضا ستایش

امروزه سرمایه‌گذاری در بازارهای طلا، بخش مهمی از اقتصاد هر کشور را تشکیل می‌دهد، به همین دلیل برآورد قیمت طلا یکی از مهم‌ترین موضوعات مطالعاتی اقتصاددانان و تحلیلگران مالی است که رویکردهای متفاوتی را پدید آورده است. به طورطبیعی روش‌هایی کاربرد مناسب را دارند که کمترین خ چکیده کامل

امروزه سرمایه‌گذاری در بازارهای طلا، بخش مهمی از اقتصاد هر کشور را تشکیل می‌دهد، به همین دلیل برآورد قیمت طلا یکی از مهم‌ترین موضوعات مطالعاتی اقتصاددانان و تحلیلگران مالی است که رویکردهای متفاوتی را پدید آورده است. به طورطبیعی روش‌هایی کاربرد مناسب را دارند که کمترین خطا و رسیک سرمایه‌گذاری را در خود داشته باشند. در کشورهای در حال توسعه به دلیل وجود تورم و همچنین عدم اطمینان به آینده، تقاضا برای طلا به منظور پوشش ریسک ناشی از تورم بالا است. تشکیل بازار قرارداد آتی سکه بهار آزادی در بورس کالا در سال‌های اخیر نیز به ایجاد بازار متشکلی جهت پوشش ریسک و همچنین استفاده از فرصت‌های آربیتراژ در بازار طلا کمک شایانی نموده است. آمار معاملات قرارداد آتی سکه بهار آزادی از ابتدای ورود اولین نمادش به تابلو معاملات بورس کالای ایران رشد چشمگیری داشته است به‌ گونه‌ای که بازاری سازمان یافته با حجم معاملات بالا و نقد شوندگی مناسب در زمینه معاملات مشتقه را درکشور ایجاد کرده است. در این تحقیق بر آن شدیم با استفاده از دو مدل هستون و مرتون به پیش‌بینی قیمت قرارداد‌های آتی با استفاده از قیمت تسویه قراردادهای آتی از تاریخ 1390/01/01 الی1397/06/11 پرداخته و نتایج حاصل از آن را مقایسه نماییم. پرونده مقاله

دسترسی آزاد مقاله

286 - طراحی مدلی جهت پیش بینی بازده بیت‌کوین (با تاکید بر مدل‌های ترکیبی شبکه عصبی کانولوشنی و بازگشتی و مدل‌های با حافظه بلندمدت)
محمد جواد بختیاران مهدی ذوالفقاری

پژوهش حاضر به معرفی ‌مدل‌هایی از ترکیب خانواده GARCH با حافظه بلندمدت و شبکه ترکیبی عصبی کانولوشنی و بازگشتی، جهت مدل‌سازی و پیش‌بینی بازدهی روزانه بیت‌کوین طی دوره 1398-1392 می‌پردازد. وجود ویژگی ‌حافظه ‌بلندمدت‌ در واریانس ‌شرطی بازدهی بیت‌کوین موجب شده تا ‌علاوه‌ ‌بر چکیده کامل

پژوهش حاضر به معرفی ‌مدل‌هایی از ترکیب خانواده GARCH با حافظه بلندمدت و شبکه ترکیبی عصبی کانولوشنی و بازگشتی، جهت مدل‌سازی و پیش‌بینی بازدهی روزانه بیت‌کوین طی دوره 1398-1392 می‌پردازد. وجود ویژگی ‌حافظه ‌بلندمدت‌ در واریانس ‌شرطی بازدهی بیت‌کوین موجب شده تا ‌علاوه‌ ‌بر ‌مدل‌های ‌دارای ‌حافظه ‌کوتاه‌مدت GARCH و EGARCH در این ‌پژوهش از مدل‌های FIGARCH و FIEGARCH که دارای ویژگی حافظه بلندمدت هستند؛ استفاده ‌گردد. علاوه بر بکارگیری مدل‌های حافظه کوتاه‌مدت، با توجه به کارایی بهتر مدل‌های ترکیبی (در مقایسه با مدل‌های فردی) در پیش‌بینی داده‌های مالی، در این مطالعه، تمامی مدل‌های خانواده GARCH (اعم از کوتاه‌مدت و بلندمدت) با شبکه ترکیبی عصبی کانولوشنی و بازگشتی ترکیب و با استفاده از مدل‌های ترکیبی حاصل‌شده، بازده بیت‌کوین برای 10 روز آینده به‌صورت گام‌به‌گام پیش‌بینی و دقت آن براساس معیارهای ارزیابی مورد بررسی قرار گرفت. یافته‌های پژوهش نشان داد که مدل‌ ترکیبی FIEGARCH- شبکه عصبی با توزیع تی- استیودنت در پیش‌بینی بازده بیت‌کوین کارآمدتر و دارای خطای پیش‌بینی ‌کمتری نسبت به سایر مدل‌های رقیب است. پرونده مقاله

دسترسی آزاد مقاله

287 - طراحی مدلی جهت پیش‌بینی بازده قیمت جهانی طلا (با تاکید بر مدل‌های ترکیبی شبکه عصبی کانولوشنی و مدل‌های خانواده گارچ)
محمد جواد بختیاران مهدی ذوالفقاری

این مقاله به معرفی مدل‌هایی از ترکیب خانواده GARCH و شبکه عصبی کانولوشنی، جهت پیش‌بینی بازدهی روزانه طلای جهانی طی فاصله زمانی 1398-1390 می‌پردازد. در این پژوهش از مدل‌های دارای حافظه کوتاه مدت GARCH و EGARCH استفاده می‌شود. علاوه بر بکارگیری مدل‌های حافظه کوتاه‌مدت، با چکیده کامل

این مقاله به معرفی مدل‌هایی از ترکیب خانواده GARCH و شبکه عصبی کانولوشنی، جهت پیش‌بینی بازدهی روزانه طلای جهانی طی فاصله زمانی 1398-1390 می‌پردازد. در این پژوهش از مدل‌های دارای حافظه کوتاه مدت GARCH و EGARCH استفاده می‌شود. علاوه بر بکارگیری مدل‌های حافظه کوتاه‌مدت، با توجه به کارایی مدل‌های ترکیبی خانواده GARCH (در مقایسه با مدل‌های فردی) در پیش‌بینی داده‌های مالی، در این مطالعه، تمامی مدل‌های خانواده GARCH با شبکه عصبی کانولوشنی ترکیب شده و با استفاده از مدل‌های ترکیبی بازده طلا پیش‌بینی شده است . وهمچنین پیش‌بینی به صورت ده گام به جلو بوده است. نتایج تحقیق حاکی از برتری مدل پیشنهادی نسبت به مدل‌های جاری در پیش‌بینی سری زمانی بازدهی قیمت طلا بود. همچنین براساس معیارهای ارزیابی خطای پیش‌بینی RMSE و MAPE، مدل CNN-EGARCH برپایه توزیع نرمال دارای خطای پیش‌بینی کمتری نسبت به 23 مدل دیگر دارد. در این راستا، معیار بررسی صحت پیش‌بینی دیبولد-ماریانو (DM) نیز یافته‌های فوق را تایید میکند. پرونده مقاله

دسترسی آزاد مقاله

288 - ارائه مدل پرتفوی بهینه از طریق مدل پیش بینی شاخص بازار و با وجود حافظه بلندمدت با استفاده از شبکه عصبی
سعید مشتاق فرهاد حسین زاده لطفی اسمعیل فدایی نژاد

تأثیر متغیرهای اقتصادی بر بازارهای سرمایه مهم‌ترین موضوع تئوری مالی است. بورس اوراق بهادار از جایگاه خاصی در سیستم مالی کشور ما برخوردار بوده است و کارآمدی و توسعه بازار سرمایه در گرو فعال بودن این نهاد درکشور است. دو کارکرد مهم بورس اوراق بهادار را می‌توان جمع‌آوری پس‌ چکیده کامل

تأثیر متغیرهای اقتصادی بر بازارهای سرمایه مهم‌ترین موضوع تئوری مالی است. بورس اوراق بهادار از جایگاه خاصی در سیستم مالی کشور ما برخوردار بوده است و کارآمدی و توسعه بازار سرمایه در گرو فعال بودن این نهاد درکشور است. دو کارکرد مهم بورس اوراق بهادار را می‌توان جمع‌آوری پس‌اندازهای اندک و نقدینگی موجود در سطح جامعه و هدایت آن‌ها به سمت فرآیند تولید کالا و خدمات در‌کشور ذکر کرد. در این راستا ارائه مدل پرتفوی بهینه از طریق مدل پیش‌بینی تغییرات شاخص بورس از طریق تغییرات نرخ بازده ارز بسیار کارساز خواهد بود. یکی از ابزارهای با دقت بالا و کاربردی برای پیش‌بینی استفاده از شبکه‌های عصبی بوده است چراکه میزان دقت آنها با افزایش داده‌های تحقیق کاهش نمی‌یابد و دقت آن نیز از توابع خطی و غیر‌خطی و رگرسیونی برای پیش‌بینی خیلی زیادتر بوده است. پس از تست‌های مختلف از طریق شبکه‌های عصبی مصنوعی(ANN)، سیستم‌های استنتاج فازی-عصبی تطبیقی(ANFIS) و رگرسیون بردار پشتیبان (SVR) با استفاده نرم افزار متلب انجام گردیده بود، توانستیم مدلی با دقت بالا جهت پیش‌بینی میزان تغییرات شاخص بازده کل و شاخص بازده نقدی از طریق تغییرات قیمت دلار طراحی نماییم. که از طریق این مدل، مدل پرتفوی بهینه به صورت آرمانی طراحی نمودیم. پرونده مقاله

دسترسی آزاد مقاله

289 - پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از الگوریتم بهینه‌سازی کاوش باکتری
احمد ناطق گلستان

پیش‌بینی شاخص کل قیمت به عنوان یکی از چالش برانگیزترین مباحث مالی مورد توجه قرار گرفته ‌است و صحت این پیش‌بینی‌ها برای بهبود استراتژی‌های معاملاتی و سرمایه‌گذاری در بورس بسیار مهم است. هدف اصلی این تحقیق پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از رو‌ش‌ه چکیده کامل

پیش‌بینی شاخص کل قیمت به عنوان یکی از چالش برانگیزترین مباحث مالی مورد توجه قرار گرفته ‌است و صحت این پیش‌بینی‌ها برای بهبود استراتژی‌های معاملاتی و سرمایه‌گذاری در بورس بسیار مهم است. هدف اصلی این تحقیق پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از رو‌ش‌های هوشمند است. جهت مدل‌سازی از الگوریتم بهینه‌سازی کاوش باکتری استفاده شده است. در این تحقیق داده‌های شاخص کل قیمت بورس اوراق بهادار تهران در بازه زمانی فروردین ماه 1385 تا اسفند ماه 1398 جمع‌آوری شده ‌است. سپس با استفاده از داده‌های شاخص کل قیمت (شامل بالاترین قیمت، پایین‌ترین قیمت، قیمت بسته‌شدن و تعداد سهام معامله شده) و بوسیله نرم افزار اکسل مقادیر8 شاخص تکنیکال به عنوان ورودی الگوریتم بهینه‌سازی کاوش باکتری محاسبه شده و در نهایت بوسیله نرم افزار متلب اقدام به پیش‌بینی شاخص کل قیمت شده است. نتیجه تحقیق نشان می‌دهد که الگوریتم بهینه‌سازی کاوش باکتری با دقت 97 درصد توانایی پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران را دارد. پرونده مقاله

دسترسی آزاد مقاله

290 - ارائه الگویی برای پیش بینی تاخیر واکنش قیمت سهام با استفاده از نظریه پردازی زمینه بنیان
کیوان فرامرزی جمال بحری ثالث سعید جبارزاده کنگرلویی علی آشتاب

پژوهش حاضر با استفاده از روش نظریه پردازی زمینه بنیان به ارائه الگویی برای پیش بینی تاخیر واکنش قیمت سهام می‌پردازد. این پژوهش از نوع کیفی می باشد از مصاحبه‌های نیمه ساختاریافته به عنوان ابزار جمع‌آوری داده‌ها و روش نمونه گیری گلوله برفی یا زنجیرهای استفاده شده است و بر چکیده کامل

پژوهش حاضر با استفاده از روش نظریه پردازی زمینه بنیان به ارائه الگویی برای پیش بینی تاخیر واکنش قیمت سهام می‌پردازد. این پژوهش از نوع کیفی می باشد از مصاحبه‌های نیمه ساختاریافته به عنوان ابزار جمع‌آوری داده‌ها و روش نمونه گیری گلوله برفی یا زنجیرهای استفاده شده است و برای انتخاب نمونه از نمونه‌گیری هدفمند استفاده شده است. داده‌های پژوهش به کمک کدگذاری باز، محوری و انتخابی مورد تجزیه و تحلیل قرار گرفتند در این پژوهش از تعداد 42 مصاحبه صورت گرفته در مجموع 607 کد مصاحبه، 101 مقوله فرعی (مفاهیم) و 11 مقوله اصلی استخراج سپس مدل کیفی پژوهش طراحی و بر اساس تحلیل داده‌ها (مصاحبه‌ها) پیوند بین مقوله‌ها در قالب شرایط علّی، شرایط زمینه‌ای، شرایط مداخله‌گر، راهبردها و پیامدها صورت گرفته است. نتایج پژوهش نشان داد عوامل کلان و سهامداران بازار بعنوان عوامل علی بر پیش‌بینی تاخیر واکنش قیمت سهام مؤثرند. از طرف دیگر با توجه به این عوامل راهبردهایی برای ارتقای پیش‌بینی تاخیر واکنش قیمت سهام، شامل استقرار اطلاعات و صورت‌های مالی شرکتی، اطلاعات شرکتی، معیار عملکردی بازار، مدیریتی و کنترل شرکتی ارائه شده‌اند که در بستر عوامل زمینه‌ای و مداخله‌گر ایجاد می‌شوند. پرونده مقاله

دسترسی آزاد مقاله

291 - بررسی روابط متقابل پویا بین روند شاخص بورس تهران و جریان نقدی تجمعی صندوق های سرمایه گذاری سهامی
میر فیض فلاح امیرحسین شماعی زاده

هدف این پژوهش، بررسی رابطه جریان های نقدی صندوق های سرمایه گذاری مشترک و شاخص بورس اوراق بهادار تهران در بازه زمانی 1392 تا آذر ۱۳۹8 با استفاده از اطلاعات 10 صندوق سرمایه گذاری مشترک بزرگ تأسیس شده و فعال در بورس اوراق بهادار تهران طی این دوره است.در این پژوهش شاخصی از چکیده کامل

هدف این پژوهش، بررسی رابطه جریان های نقدی صندوق های سرمایه گذاری مشترک و شاخص بورس اوراق بهادار تهران در بازه زمانی 1392 تا آذر ۱۳۹8 با استفاده از اطلاعات 10 صندوق سرمایه گذاری مشترک بزرگ تأسیس شده و فعال در بورس اوراق بهادار تهران طی این دوره است.در این پژوهش شاخصی از خالص پول وارد شده به صندوق های سرمایه گذاری به صورت روزانه و تجمعی به عنوان معیار جریان نقدی مورد مقایسه با شاخص کل بورس((TEDPIX در نظر گرفته شده است.برای بررسی رابطه بلندمدت این دوشاخص از آزمون پوهانسون استفاده شده است.نتایج این آزمون بیانگر آن است که دوشاخص مورد بررسی دارای سری های هم انباشته اند و روابط آن ها در بلند مدت معنی دار است.نتایج این آزمون نشان داد که بین دو شاخص مورد نظر رابطه متقابل وجود دارد.این بدین معنی است که در بلندمدت هردوشاخص مورد بررسی بر یکدیگر اثر گذار هستند لذا جریان نقدی ورودی به صندوق ها می تواند معیاری برای پیش بینی روند شاخص کل باشد ولی با توجه به خطاهای رفتاری شناسایی شده در مقالات مشابه برای پیش بینی شاخص نمی توان صرفا به جریان نقدی وارد شده به صندوق ها اکتفا نمود. پرونده مقاله

دسترسی آزاد مقاله

292 - ارزیابی و اعتبارسنجی معماری بهینه یادگیری عمیق در پیش بینی قیمت سهام (رویکرد الگوریتم حافظه کوتاه مدت ماندگار LSTM )
امیر شریف فر مریم خلیلی عراقی ایمان رئیسی وانانی میر فیض فلاح

امروزه انواع مدل‌های هوش مصنوعی جایگاه خود را در محاسبات و پیش‌بینی‌های بازارهای مالی تثبیت کرده‌اند؛ در این میان معماری‌های مبتنی بر یادگیری عمیق که خود براساس الگوریتم‌های یادگیری ماشینی می‌باشند، از طریق رفع ضعف‌های‌ مدل‌های سنتی شبکه عصبی در خصوص پیش-بینی ساختارهای چکیده کامل

امروزه انواع مدل‌های هوش مصنوعی جایگاه خود را در محاسبات و پیش‌بینی‌های بازارهای مالی تثبیت کرده‌اند؛ در این میان معماری‌های مبتنی بر یادگیری عمیق که خود براساس الگوریتم‌های یادگیری ماشینی می‌باشند، از طریق رفع ضعف‌های‌ مدل‌های سنتی شبکه عصبی در خصوص پیش-بینی ساختارهای دینامیک، مورد توجه قرار گرفته‌اند. مهمترین مزیت الگوریتم‌های یادگیری عمیق نسبت به مدل‌های سنتی شبکه‌ عصبی، استخراج خودکار ویژگی‌های مناسب از ورودی‌های خام می-باشد که از آن برای روند یادگیری مدل استفاده می‌کند؛ به عبارتی الگوریتم‌های این روش از چندین لایه‌ی پردازش اطلاعات و به ویژه اطلاعات غیرخطی بهره می‌برند تا بهترین ویژگی‌های مناسب را از ورودی خام استخراج نمایند. در پژوهش حاضر توانایی معماری‌های الگوریتم حافظه کوتاه‌مدت ماندگار (LSTM) جهت پیش-بینی قیمت سهام مورد بررسی قرار گرفته است؛ علاوه بر این، ضمن طبقه‌بندی عوامل موثر بر قیمت سهام، مولفه‌‌های نشان‌دهنده معاملات سهامداران حقیقی و حقوقی به عنوان عاملی اثرگذار بر قیمت سهام معرفی و بررسی شده است. برای اجرای مدل از سه گروه داده‌های قیمتی، شاخص‌های تکنیکال و معاملات سهامداران حقیقی و حقوقی استفاده شده است. نتایج تحقیق نشان از عملکرد بهتر معماری LSTM همراه با لایه Drop Out نسبت به مدل ساده آن و همچنین مدل RNN دارد. پرونده مقاله

دسترسی آزاد مقاله

293 - پیش بینی شاخص روزانه بورس اوراق بهادار تهران با استفاده از انتخاب ویژگی های مناسب برای شبکه عصبی حافظه کوتاه مدت ماندگار
سمیه محبی محمداسماعیل فدائی نژاد محمد اصولیان محمد رضا حمیدی زاده

شاخص بورس یکی از عوامل مؤثر در سرمایه گذاری محسوب می شود. زیرا می تواند نشان دهنده وضعیت سلامت و روند تغییرات کلان اقتصادی یک کشور باشد. ویژگیهای متنوعی بر شاخص تأثیر می گذارند. ترکیبهای مختلف این ویژگی ها، یک فضای حالت گسترده ایجاد می کنند. از این رو، فراهم کردن یک مجم چکیده کامل

شاخص بورس یکی از عوامل مؤثر در سرمایه گذاری محسوب می شود. زیرا می تواند نشان دهنده وضعیت سلامت و روند تغییرات کلان اقتصادی یک کشور باشد. ویژگیهای متنوعی بر شاخص تأثیر می گذارند. ترکیبهای مختلف این ویژگی ها، یک فضای حالت گسترده ایجاد می کنند. از این رو، فراهم کردن یک مجموعه داده شامل همه این ترکیبها برای آموزش مدل پیش بینی شاخص بورس، غیرعملی است. در این پژوهش تلاش شده است پس از جمع آوری تعداد قابل توجهی از ویژگیهای مؤثر بر شاخص، روشی برای انتخاب ویژگیهای مناسب مدل پیش بینی شاخص بورس با هدف افزایش دقت پیش بینی ارائه شود. بدین منظور، از الگوریتم mRMR به عنوان الگوریتم پایه استفاده شده است. همچنین برای انتخاب مدل مناسب، به مقایسه تعدادی از پرکاربردترین مدلهای هوش مصنوعی در پیش بینی شاخص بورس اقدام شد و با توجه به نتایج حاصل شده، شبکه LSTM برای پیش بینی شاخص بورس انتخاب گردید. نتایج این مطالعه نشان می دهد که با استفاده از شبکه LSTM و روش پیشنهادی در گزینش ویژگیها، می توان با 8 ویژگی انتخابی به دقت بالایی در پیش بینی روزانه شاخص کل بورس اوراق بهادار تهران دست یافت. بطوری که میانگین درصد خطا حدود 2.66 محاسبه شده است. پرونده مقاله

دسترسی آزاد مقاله

294 - مدل بهینه سازی سبد سرمایه‌گذاری مبتنی بر پیش‌بینی با استفاده از رگرسیون بردار پشتیبان
محمدامین منادی امیرعباس نجفی

هدف از بهینه‌سازی سبد سرمایه‌گذاری، انتخاب ترکیبی بهینه از دارایی‌های مالی است که می‌بایست راهنمای سرمایه‌گذاران برای دستیابی به بالاترین بازده در برابر کمترین ریسک ممکن باشد. از سوی دیگر، یکی از عوامل کلیدی در تصمیم‌گیری‌های سبد سرمایه‌گذاری مربوط به پیش بینی قیمت سهام چکیده کامل

هدف از بهینه‌سازی سبد سرمایه‌گذاری، انتخاب ترکیبی بهینه از دارایی‌های مالی است که می‌بایست راهنمای سرمایه‌گذاران برای دستیابی به بالاترین بازده در برابر کمترین ریسک ممکن باشد. از سوی دیگر، یکی از عوامل کلیدی در تصمیم‌گیری‌های سبد سرمایه‌گذاری مربوط به پیش بینی قیمت سهام است. برای این کار بطور متداول از مدل‌های کلاسیک غیرخطی ریاضی و هوشمند مانند رگرسیون استفاده می شود. در مطالعه حاضر برای کاهش خطاهای پیش‌بینی، از مدل غیرخطی رگرسیون بردار پشتیبان با خروجی‌های متعدد استفاده شده است. برای نشان دادن کارایی مدل پیشنهادی از داده‌های شرکت‌های شاخص S&P500 در دوره زمانی 12/09/2016 تا 02/08/2021 استفاده شده است. نتایج نشان می‌دهد که انتخاب سبد سهام مبتنی بر پیش‌بینی به کمک رگرسیون بردار پشتیبان با خروجی چندگانه به دلیل در نظر گرفتن روابط بین خروجی‌ها به صورت همزمان از نظر معیار شارپ، عملکرد بهتری نسبت به انتخاب سبد سرمایه‌گذاری بر اساس پیش‌بینی با استفاده از روش رگرسیون دارد. پرونده مقاله

دسترسی آزاد مقاله

295 - بررسی مقایسه دقت پیش بینی سیستم شبکه های عصبی مصنوعی بر مبنای رویکرد پرسپترون چندلایه و مدل باینری-لجستیک فالمر در راستای پیش بینی ورشکستگی
سمیه ساروئی حمیدرضا وکیلی فرد قدرت اله طالب نیا

تحلیل‌گران مالی و سایر استفاده‌کنندگان برای پیش‌بینی ورشکستگی شرکت‌ها نیاز به اطلاعات مربوط و قابل اتکا دارند که باید اطلاعات به صورت متقارن بین تمامی استفاده‌کنندگان توزیع گردد. بر همین اساس، هدف این پژوهش، بررسی مقایسه دقت پیش بینی سیستم شبکه های عصبی مصنوعی بر مبنای چکیده کامل

تحلیل‌گران مالی و سایر استفاده‌کنندگان برای پیش‌بینی ورشکستگی شرکت‌ها نیاز به اطلاعات مربوط و قابل اتکا دارند که باید اطلاعات به صورت متقارن بین تمامی استفاده‌کنندگان توزیع گردد. بر همین اساس، هدف این پژوهش، بررسی مقایسه دقت پیش بینی سیستم شبکه های عصبی مصنوعی بر مبنای رویکرد پرسپترون چندلایه و مدل باینری-لجستیک فالمر در راستای پیش بینی ورشستگی است. برای آزمون فرضیه‌ها، از داده‌های ترکیبی 172 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1385-1396 استفاده شد. یافته‌های حاصل از تجزیه و تحلیل داده‌های پژوهش نشان داد که سیستم شبکه‌های عصبی مصنوعی بر مبنای رویکرد پرسپترون چندلایه قادرند با دقتی معادل 98 درصد عوامل تاثیر گذار بر ورشکستگی شرکت‌های ایرانی را در سال قبل از ورشکستگی شناسایی نماید. یافته‌های حاصل از بررسی مدل باینری-لجستیک نشان داد که الگوی پیش‌بینی طراحی شده بر اساس روش رگرسیون فالمر قادر است با دقت 82 درصد ورشکستگی شرکتهای نمونه را مورد پیش‌بینی قرار دهد. لذا، استفاده از شبکه‌های عصبی مصنوعی می‌تواند با قدرت و دقت بیشتری ورشکستگی را نسبت مدل‌های رگرسیونی پیش‌بینی نماید پرونده مقاله

دسترسی آزاد مقاله

296 - یادگیری عمیق برای پیش‌بینی بازار سهام با استفاده از اطلاعات عددی و متنی (رویکرد الگوریتم حافظه کوتاه مدت ماندگارLSTM)
سیده مژگان بهشتی مسئله گو محمدعلی افشارکاظمی جلال حقیقت منفرد علی رضاییان

قیمت سهام تحت تأثیر عوامل بسیاری است،که کار پیش‌بینی را چالش‌برانگیز می‌کند. این پیش‌بینی اگر فقط داده‌های عددی یا اطلاعات متنی را در نظر بگیرد، اغلب بی‌اثر می‌شود. هدف این پژوهش ارائه یک روش پیش‌بینی قیمت روز آینده سهام بر اساس ساختار شبکه عصبی عمیق با استفاده از داده‌ چکیده کامل

قیمت سهام تحت تأثیر عوامل بسیاری است،که کار پیش‌بینی را چالش‌برانگیز می‌کند. این پیش‌بینی اگر فقط داده‌های عددی یا اطلاعات متنی را در نظر بگیرد، اغلب بی‌اثر می‌شود. هدف این پژوهش ارائه یک روش پیش‌بینی قیمت روز آینده سهام بر اساس ساختار شبکه عصبی عمیق با استفاده از داده‌های قیمت، مجموعه‌ای از شاخص‌های فنی و سر تیتر اخبار به‌عنوان ورودی مدل است. برای این منظور از داده‌های سهام شاخص داوجونز و داده‌های خبری کانال ردیت استفاده شده است. از داده‌های سهام ویژگی‌های مبتنی بر شاخص فنی استخراج می‌شوند و داده‌های خبری توسط روش کوله‌کلمات به بردار ویژگی تبدیل می‌شوند و به شبکه حافظه کوتاه‌مدت ماندگار (LSTM) برای پیش‌بینی داده می‌شوند.از دقت به‌عنوان معیار ارزیابی عملکرد استفاده شده و آزمایش‌هایی بر روی دو مجموعه داده فقط عددی و فقط متنی برای ارزیابی استفاده همزمان دو منبع اطلاعاتی انجام پذیرفته است. همچنین ازسه شبکه ،SVM ، MLPوRNN برای ارزیابی مدل استفاده شده است. نتایج نشان می‌دهد که مدل LSTM بالاترین دقت پیش‌بینی 69.19% را با استفاده از اخبار و داده‌های مالی به دست آورده است. داده‌های خبری با دقت65.62% و داده‌های عددی با دقت51.89% می‌باشند.همچنین مدل LSTMدر مقایسه با شبکه‌های عصبی SVM وMLP و RNN از عملکرد بهتری برخوردار می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

297 - حل مساله توزیع داده‌های نامتوازن در پیش‌بینی ورشکستگی به روش یادگیری حساس به هزینه
سید بهروز رضوی ابراهیم عباسی

هدف از پژوهش حاضر افزودن تکنیک یادگیری حساس به هزینه به مدل‌های پیش‌بینی ورشکستگی مبتنی بر داد‌ه‌های نامتوازن به منظورکاهش خطای نوع اول و افزایش معیار میانگین هندسی دقت‌ است تا بتوان هزینه‌های طبقه‌‌بندی اشتباه شرکت‌های ورشکسته را بر ذینفعان کاهش داد. بدین منظور خطای نو چکیده کامل

هدف از پژوهش حاضر افزودن تکنیک یادگیری حساس به هزینه به مدل‌های پیش‌بینی ورشکستگی مبتنی بر داد‌ه‌های نامتوازن به منظورکاهش خطای نوع اول و افزایش معیار میانگین هندسی دقت‌ است تا بتوان هزینه‌های طبقه‌‌بندی اشتباه شرکت‌های ورشکسته را بر ذینفعان کاهش داد. بدین منظور خطای نوع اول، خطای نوع دوم و معیار میانگین هندسی دقت مدل‌های پیش‌بینی ورشکستگی مبتنی بر یادگیری حساس به هزینه با مدل‌های پیش‌بینی ورشکستگی با داده به شدت نامتوازن مقایسه شدند، نمونه آماری شامل 1200 سال-شرکت در بازه زمانی سال 1380 الی سال 1399 شامل %90 شرکت‌های سالم و %10 شرکت‌های ورشکسته است، نتایج آزمون فرضیه‌ها‌ بیانگر آن است که افزودن تکنیک یادگیری حساس به هزینه به مدل‌های پیش‌بینی ورشکستگی منجر به کاهش معنادار خطای نوع اول، افزایش معنادار خطای نوع دوم و افزایش معنادار معیار میانگین هندسی دقت مدل‌های مبتنی بر داده‌های نامتوازن در سطح اطمینان %95 شد، همچنین با افزایش مقدار هزینه طبقه‌بندی اشتباه شرکت‌های ورشکسته، خطای نوع اول روند نزولی و خطای نوع دوم روند صعودی و میانگین هندسی دقت روند صعودی دارند پرونده مقاله

دسترسی آزاد مقاله

298 - ارائه مدل پیش‌بینی‌گر جهت بازار در معاملات آتی سکه طلای بورس کالای ایران با استفاده از الگوریتم حافظه طولانی کوتاه مدت (LSTM)
سهیل ذوقی رضا راعی سعید فلاح پور

در سال‌های اخیر شبکه‌های عصبی یادگیری عمیق به عنوان ابزاری قدرتمند جهت حل مسائل پیچیده شناخته شده‌اند. یادگیری عمیق یک زیرشاخه از هوش مصنوعی است که در آن بر مبنای مجموعه‌ای از الگوریتم‌ها، مسائل پیچیده دارای پارامترها و ورودی‌های بسیار زیاد، مدل می‌شوند. در این پژوهش به چکیده کامل

در سال‌های اخیر شبکه‌های عصبی یادگیری عمیق به عنوان ابزاری قدرتمند جهت حل مسائل پیچیده شناخته شده‌اند. یادگیری عمیق یک زیرشاخه از هوش مصنوعی است که در آن بر مبنای مجموعه‌ای از الگوریتم‌ها، مسائل پیچیده دارای پارامترها و ورودی‌های بسیار زیاد، مدل می‌شوند. در این پژوهش به ارائه چاچوب جدیدی از یادگیری عمیق پرداخته می‌شود که در آن با استفاده از تبدیل موجک، خودرمزنگار انباشته و حافظه طولانی کوتاه مدت یا LSTM به پیش‌بینی جهت بازار در قراردادهای آتی سکه طلای بورس کالای ایران می‌پردازیم. در روش پیشنهادی ابتدا با استفاده از تبدیل موجک نویز داده‌های ورودی گرفته می‌شود. سپس با استفاده از خودرمزنگار انباشته شاخص‌های تاثیرگذار بر جهت بازار شناسایی شده و در نهایت این شاخص‌ها به عنوان ورودی به معماری LSTM داده می‌شود تا جهت بازار پیش‌بینی شود. از نوآوری‌های پژوهش حاضر می‌توان به ارائه چند شاخص تکنیکال جدید به منظور افزایش دقت مدل پیشنهادی و همین‌طور تنظیم پارامترهای الگوریتم‌های به کار رفته از جمله LSTM برای مسئله مورد مطالعه و ارائه استراتژی معاملاتی به جهت دستیابی به سوددهی مناسب شاره نمود. بررسی‌ها نشان می‌دهند که روش پیشنهادی از سایر روش‌ها پیشی می-گیرد و به دقت و بازدهی بالاتری دست می‌یابد. پرونده مقاله

دسترسی آزاد مقاله

299 - پیش بینی قیمت با شبکه عصبی مصنوعی LSTM و مدل انتخاب سبد سهام دارایی‌های مالی و ارز‌های دیجیتال
فرانک خونساریان بابک تیمورپور محمد علی رستگار

یافتن راهکار‌هایی برای پیش‌بینی قیمت، تشکیل سبد سهام بهینه و دستیابی به سود بیشتر از اهداف اساسی فعالان بازار‌های مالی می‌باشد. هدف از این پژوهش پیش‌بینی قیمت دارایی‌های مالی نظیر چندین سهام بورس، طلا، سکه و تعدادی از ارزهای دیجیتال با استفاده از مدل شبکه عصبی LSTM و سپ چکیده کامل

یافتن راهکار‌هایی برای پیش‌بینی قیمت، تشکیل سبد سهام بهینه و دستیابی به سود بیشتر از اهداف اساسی فعالان بازار‌های مالی می‌باشد. هدف از این پژوهش پیش‌بینی قیمت دارایی‌های مالی نظیر چندین سهام بورس، طلا، سکه و تعدادی از ارزهای دیجیتال با استفاده از مدل شبکه عصبی LSTM و سپس تشکیل سبد سهام بهینه با محاسبه میزان بازده، ریسک و معیار شارپ است. داده‌های استفاده شده از آرشیو وب‌سایت بورس و اوراق بهادار تهران، وب‌سایت شبکه اطلاع‌رسانی طلا، سکه و ارز و همچنین وب‌سایت خرید و فروش ارزهای دیجیتال می‌باشد. سری زمانی قیمت دارایی‌های مورد بررسی طی سال‌های 2017 تا 2020 میلادی است. همچنین برای ساخت مدل و تحلیل داده‌ها از زبان برنامه‌نویسی پایتون و نرم‌افزار گفی استفاده نمودیم. در پایان مشخص گردید که مدل شبکه عصبی LSTM قادر به پیش‌بینی قیمت دارایی‌های مالی با میزان خطای بسیار کم در هر دارایی می‌باشد و با توجه به میزان معیار شارپ به‌دست آمده برای هر دارایی مالی و ماتریس همبستگی، سهام‌ وبانک و سهام خبهمن 1 و همچنین ارز‌های دیجیتال ترون، تتر و بیت‌کوین سهم بیشتری را در سبد سهام پیشنهادی به خود تخصیص می‌دهند. پرونده مقاله

دسترسی آزاد مقاله

300 - پیش ‏بینی ورشکستگی شرکت‏ها با استفاده از ترکیب مدل‏های داده‏ کاوی مبتنی بر جریمه دسته‏ بندی نادرست
عطیه ترکمن امیرعباس نجفی

یکی از ابزارهای قدرتمند در مسائل پیش بینی ورشکستگی که در دهه های اخیر مورد توجه بسیاری از سرمایه گذاران، مدیران و محققان قرارگرفته است؛ داده کاوی و به طور خاص ماشین بردار پشتیبان است. اما مطالعات نشان می دهد این روش نسبت به انتخاب پارامترها و متغیرهای ورودی از حساسیت ب چکیده کامل

یکی از ابزارهای قدرتمند در مسائل پیش بینی ورشکستگی که در دهه های اخیر مورد توجه بسیاری از سرمایه گذاران، مدیران و محققان قرارگرفته است؛ داده کاوی و به طور خاص ماشین بردار پشتیبان است. اما مطالعات نشان می دهد این روش نسبت به انتخاب پارامترها و متغیرهای ورودی از حساسیت بالایی برخوردار است. لذا هدف از تحقیق حاضر ترکیب مدل توسعه یافته ماشین بردار پشتیبان و k-نزدیکترین همسایه جهت حذف ورودی های دارای خطا و متعاقبا افزایش دقت پیش بینی ورشکستگی است. به این منظور ابتدا با استفاده از 5 نسبت مالی شامل نسبت جاری، حاشیه سود خالص، نسبت بدهی، بازده دارایی ها و بازده سرمایه مرتبط به 150 شرکت حاضر در بورس اوراق بهادار تهران در بازه 10 ساله 1389-1398و الگوریتم k-نزدیکترین همسایگی داده های آموزش پالایش شده و سپس با تکیه بر ماشین بردار پشتیبان مبتنی بر جریمه دسته بندی، جهت ساخت مدل پیش بینی به کار گرفته می شوند. پس از برآورد پارامترهای بهینه، اعتبارسنجی مدل با استفاده از داده های آزمایش صورت خواهد گرفت. در نهایت نتایج بدست آمده از مدل پیشنهادی و مدل های کلاسیک مورد مقایسه قرار خواهدگرفت. نتایج نشان می دهد با ترکیب مدل های k-نزدیکترین همسایه و ماشین بردار پشتیبان خطای کلی پیش بینی کاهش یافته و ضرایب جریمه ماشین بردار پشتیبان با سطح احتمال بالایی معنادار هستند. پرونده مقاله

دسترسی آزاد مقاله

301 - تاثیر کیفیت سود بر رابطه بین مومنتوم و بازده اضافی سهام
وحید بخردی نسب فاطمه ژولانژاد

در سال‌های اخیر به ویژه پس از وقوع رسوایی‌های مالی، توجه بسیاری به کیفیت سود شده است. کیفیت سود یک مشخصه مهم از سیستم حسابداری است. اطلاعات مالی با کیفیت، سبب افزایش کارایی بازار سرمایه می‌شود. بنابراین می توان گفت سرمایه گذاران و دیگر استفاده کنندگان، به چنین اطلاعاتی چکیده کامل

در سال‌های اخیر به ویژه پس از وقوع رسوایی‌های مالی، توجه بسیاری به کیفیت سود شده است. کیفیت سود یک مشخصه مهم از سیستم حسابداری است. اطلاعات مالی با کیفیت، سبب افزایش کارایی بازار سرمایه می‌شود. بنابراین می توان گفت سرمایه گذاران و دیگر استفاده کنندگان، به چنین اطلاعاتی علاقه‌مند هستند. تدوین کنندگان استاندارد‌های حسابداری نیز، تلاش می کنند استاندارد‌ها را در جهت افزایش کیفیت سود توسعه دهند. به این ترتیب، بررسی کیفیت گزارشگری سود یکی از دغدغه های اساسی هر سرمایه گذار منطقی و استفاده کننده اطلاعات در تصمیم گیری‌ است. ازاین‌رو تعداد 86 شرکت در طی دوره زمانی ده ساله از سال 1385 تا 1394 بررسی‌شده‌اند و به‌طورکلی بیانگر این است که، معیارهای کیفیت سود بر بازده اضافی سهام بر اساس مدل فاما و فرنچ با در نظر گرفتن روند حرکت قیمت سهام در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، تأثیرگذار است. پرونده مقاله

دسترسی آزاد مقاله

302 - بررسی تأثیر Bagging بر دقت پیش‌بینی مدل‏های پیش بینی مضیقه مالی شرکت ها به تفکیک صنایع و مقایسه توانمندی آن با مدل‏های درخت تصمیم و بیز
زهره عارف منش وحید زارع مهرجردی علیرضا محمدی ندوشن

هدف اصلی این پژوهش طراحی مدلی جهت پیش بینی مضیقه مالی شرکت های صنعت فلزات اساسی، کانی های غیرفلزی و ماشین آلات و تجهیزات با استفاده از مدل Bagging می باشد. همچنین سعی می گردد توانمندی این مدل از لحاظ دقت پیش بینی با مدل های پیشی بینی درخت تصمیم و بیز نیز مقایسه گردد. ج چکیده کامل

هدف اصلی این پژوهش طراحی مدلی جهت پیش بینی مضیقه مالی شرکت های صنعت فلزات اساسی، کانی های غیرفلزی و ماشین آلات و تجهیزات با استفاده از مدل Bagging می باشد. همچنین سعی می گردد توانمندی این مدل از لحاظ دقت پیش بینی با مدل های پیشی بینی درخت تصمیم و بیز نیز مقایسه گردد. جامعه آماری این پژوهش را کلیه شرکت های هر یک از این صنایع تشکیل می دهد. معیار بکارگرفته شده برای تعیین مضیقه مالی شرکت ها، ماده 141 قانون تجارت ایران می باشد و قلمرو زمانی پژوهش را سال های 1380 تا 1395 تشکیل می دهد. در این پژوهش ابتدا عملکرد هر یک از این دو مدل طراحی شده (Bagging و مدل پایه آن) بر حسب هر صنعت مقایسه گردید. نتایج این مقایسه نشان داد که به طور متوسط برای هر یک از این صنایع، مدل Bagging دارای دقت پیش بینی بالاتری نسبت به مدل پایه آن یعنی درخت تصمیم و بیز است. علاوه بر این با عنایت به نتایج بدست آمده حاصل از اجرای این مدل ها برای هر یک از این صنایع، می توان چنین نتیجه گیری کرد که هریک از مدل های Bagging، درخت تصمیم و بیز روش مناسبی برای پیش بینی مضیقه مالی شرکت های این صنایع می باشند. پرونده مقاله

دسترسی آزاد مقاله

303 - ارائه مدلی جهت پیش‌بینی قیمت سهام با استفاده از روش‌های فرا ابتکاری و شبکه‌های عصبی
سید حسین میرعلوی زهرا پورزمانی

به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش‌بینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائه‌ی مدل‌های ترکیبی سعی در ارائه‌ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده‌اند. امروزه از الگوهای مختلفی چکیده کامل

به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش‌بینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائه‌ی مدل‌های ترکیبی سعی در ارائه‌ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده‌اند. امروزه از الگوهای مختلفی مانند: تکنیک های آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری) و تکنیک های هوش مصنوعی (شبکه های عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعه های سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی قیمت سهام استفاده می شود. در اکثر مدل‌های پیش‌بینی کننده، سیستم فقط با استفاده از اطلاعات یک شاخص به پیش‌بینی می‌پردازد، اما در مدل پیشنهادی در این پژوهش یک سیستم دو سطحی از شبکه‌های عصبی پرسپترون چندلایه پیشنهاد شده و از چندین شاخص برای پیش‌بینی استفاده می‌شود. در این پژوهش داده‌های شاخص قیمت بورس اوراق بهادار تهران از 1391 تا 1395 برای این منظور در نظر گرفته شده است. همچنین برای آموزش بهتر شبکه‌ی عصبی و در نتیجه بهبود نتایج بدست آمده، از الگوریتم بهینه‌سازی ملخ برای انتخاب بهترین نمونه‌ها استفاده شده است. نتایج بدست آمده نشان می‌دهد که مدل پیشنهادی توانسته با خطای پیش‌بینی پایین‌تری نسبت به دیگر مدل‌ها عمل کند پرونده مقاله

دسترسی آزاد مقاله

304 - ریسک و بازده اوراق بهادار بر اساس پیش بینی های هدایت شده (جهت دار)
وحیـد روح العـلم

هدف مقاله بررسی روش جدیدی تحت عنوان پیش بینی هدایت شده (جهت دار) برای محاسبه مقادیر β (بتا) و میزان ریسک یک سهام عمومی و شکل دوره‌ای آن است. این روش دارای نکات مهم و پیچیده است که در نهایت میزان ریسک سهام را مدیریت و اندازه‌گیری می کند و بر آن اساس مدیران صندوق ها چکیده کامل

هدف مقاله بررسی روش جدیدی تحت عنوان پیش بینی هدایت شده (جهت دار) برای محاسبه مقادیر β (بتا) و میزان ریسک یک سهام عمومی و شکل دوره‌ای آن است. این روش دارای نکات مهم و پیچیده است که در نهایت میزان ریسک سهام را مدیریت و اندازه‌گیری می کند و بر آن اساس مدیران صندوق ها قادر خواهند بود بر مبنای انتظارات سرمایه گذاران ، جهت های سرمایه گذاری را تغییر دهند. قابلیت اندازه‌گیری دوره‌ای در این روش یک مزیت مهم است به این دلیل که محاسبه بازگشت سرمایه بر اساس مقادیر تاریخی مربوطه روش دقیق و قابل اعتمادی نیست بگونه ای که در روش تاریخی مقدار β در اثر وجود انحراف داده ها در مقادیر سرمایه گذاری های تاریخی ، قطعا تحت تأثیر قرار نخواهد گرفت. در این فرآیند به کارگیری علم سری های زمانی بسیار کارساز و مؤثر است و کمک می کند تا مقادیر بتا با دقت بیشتری محاسبه شده و سبب می گردد تا علم مدیریت ریسک با نگرش قوی‌تری در راستای پوشش خطر و ریسک مشتریان در بازار سرمایه گام بردارد. بنابراین یافته های علمی پژوهش حاضر نشان می دهد که روش مورد بررسی در این تحقیق قابلیت و توانایی سنجش ریسک و بازده اوراق بهادار را دارد. نویسنده در تهیه این مقاله از راهنمایی های ارزشمند جناب آقای دکتر فریدون رهنمــای رودپشتـی، استـاد و عضو هیات علمی دانشگاه آزاد اسلامی واحد علوم تحقیقات، بهره فراوانی جسته و از ایشان کمال قدردانی و تشکر را دارد. پرونده مقاله

دسترسی آزاد مقاله

305 - طراحی سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند
شاپور محمدی سیدعلی موسوی سرحدی محمد نوری‌بخش

پیش بینی قیمت آتی و به تبع آن کسب بازدهی بیشتر همواره یکی از مهمترین موضوعات در بازارهای مالی بوده است. از این رو در این پژوهش به طراحی سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند پرداخته شده است. برای رسیدن به این هدف، چکیده کامل

پیش بینی قیمت آتی و به تبع آن کسب بازدهی بیشتر همواره یکی از مهمترین موضوعات در بازارهای مالی بوده است. از این رو در این پژوهش به طراحی سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند پرداخته شده است. برای رسیدن به این هدف، این پژوهش در چهار مرحله اصلی طراحی و اجرا گردیده است. در مرحله اول حدود کانال روند در بازه های زمانی مختلف استخراج گردیده و این حدود در مرحله دوم برای دوره آزمایش توسط الگوریتم ماشین بردار پشتیبان پیش بینی شده است. در مرحله سوم استراتژی های خرید و فروش در محدوده کانال پیش بینی شده در دوره آزمایش تعریف و اجرا شده و در مرحله چهارم بازدهی حاصل از سیستم طراحی شده با بازدهی حاصل از بکارگیری استراتژی خرید و نگهداری مقایسه شده اند. در مورد همه شاخص های انتخاب شده به عنوان نمونه پژوهش، عملکرد سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند از عملکرد استراتژی خرید و نگهداری بهتر بود. پرونده مقاله

دسترسی آزاد مقاله

306 - ارائه مدل ریاضی پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
رضا پیرایش حسن داداشی آرانی محمدرضا برزگر

در این مقاله پنج مدل مهم پیش‌بینی ورشکستگی را مطالعه و از میان متغیرهای پنج مدل، مدل بازطراحی شده پیش‌بینی ورشکستگی را ارائه می‌کنیم که دربرگیرنده هشت متغیر می‌باشد. مسأله اصلی در این تحقیق این است که با بررسی و تحلیل صورت‌های مالی شرکت‌های پذیرفته شده در بورس اوراق بها چکیده کامل

در این مقاله پنج مدل مهم پیش‌بینی ورشکستگی را مطالعه و از میان متغیرهای پنج مدل، مدل بازطراحی شده پیش‌بینی ورشکستگی را ارائه می‌کنیم که دربرگیرنده هشت متغیر می‌باشد. مسأله اصلی در این تحقیق این است که با بررسی و تحلیل صورت‌های مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بتوانیم مدلی برای پیش‌بینی ورشکستگی شرکت‌ها ارائه نماییم. به منظور طراحی مدل، از اطلاعات دو گروه از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران استفاده می‌کنیم، گروه اول شرکت‌های غیر ورشکسته و گروه دوم شرکت‌های ورشکسته می‌باشد. به منظور طراحی مدل از هشت نسبت مالی شامل نسبت‌های: سود قبل از بهره و مالیات بر کل دارایی‌ها، سرمایه در گردش بر کل دارایی‌ها، مجموع بدهی‌ها بر ارزش بازار کل دارایی‌ها، ضریب بتای سهام، لگاریتم قیمت (بسته شده از سال مالی گذشته)، عامل تنوع‌بخشی، بازده سالانه تجمعی و ارزش وزنی شاخص بورس تهران و تغییرات درآمد خالص استفاده شده است. قلمرو زمانی تحقیق را داده‌های صورت‌های مالی شرکت‌های بورسی طی سال‌های ۸3 تا ۹۳ تشکیل می‌دهد. نتایج آزمون در ارتباط با توانایی پیش‌بینی مدل نشان‌دهنده این واقعیت هست که مدل می‌تواند دو سال قبل از وقوع ورشکستگی در شرکت‌ها، پیش‌بینی صحیحی در خصوص وجود بحران و ورشکستگی ارائه کند. با دوری از زمان وقوع ورشکستگی بدلیل کمرنگ شدن شاخص‌های پیش‌بینی کننده ورشکستگی، از توان پیش‌بینی مدل کاسته می‌شود. که نتایج پیش بینی برای یک سال قبل از ورشکستگی 91 درصد و برای دو سال قبل از ورشکستگی 83 درصد می باشد. پرونده مقاله

دسترسی آزاد مقاله

307 - مقایسه روش های مختلف انتخاب متغیرهای پیش بین برای پیش بینی بحران مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
محمد نمازی مصطفی کاظم نژاد محمدمهدی نعمت الهی

در پژوهش های انجام شده در زمینه پیش بینی بحران مالی و ورشکستگی، هدف و تأکید اصلی، ارائه مدل های مناسب و دقیق برای پیش بینی ورشکستگی بوده و کمتر به انتخاب متغیرهای پیش بین و روش های مناسب آن پرداخته شده است. بنابراین، پژوهش حاضر به بررسی و مقایسه سودمندی روش های مختل چکیده کامل

در پژوهش های انجام شده در زمینه پیش بینی بحران مالی و ورشکستگی، هدف و تأکید اصلی، ارائه مدل های مناسب و دقیق برای پیش بینی ورشکستگی بوده و کمتر به انتخاب متغیرهای پیش بین و روش های مناسب آن پرداخته شده است. بنابراین، پژوهش حاضر به بررسی و مقایسه سودمندی روش های مختلف انتخاب متغیرهای پیش بین درپیش بینی بحران مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. در این راستا، عملکرد روش های انتخاب متغیر، شامل آزمون t، تحلیل ممیزی گام به گام، تحلیل عاملی، ریلیف، مبتنی بر روکشی و مبتنی بر بردارهای پشتیبان، بررسی و با هم مقایسه می شود. طبقه بندی کننده های استفاده شده نیز شامل شبکه های عصبی مصنوعی، ماشین بردار پشتیبان و آدابوست (بوستینگ) می باشد. به طور کلی، یافته های پژوهش حاکی از سودمندی استفاده از روش های انتخاب متغیر نسبت به عدم استفاده از این روش ها در پیش بینی بحران مالی و همچنین وجود تفاوت معنادار بین میزان سودمندی این روش‌هاست. به عبارت دیگر، در صورت استفاده از روش های انتخاب متغیرهای پیش بین، میانگین دقت افزایش و خطای نوع اول و دوم کاهش می یابد. افزون بر این، یافته های پژوهش حاکی از برتری روش انتخاب متغیر مبتنی بر روکشی نسبت به سایر روش‌های انتخاب متغیرهای پیش بین است. پرونده مقاله

دسترسی آزاد مقاله

308 - بررسی دقت ماشین‌های یادگیر در پیش‌بینی بازده حاصل از تغییر قیمت سهام با استفاده از مدل رافست، نزدیک‌ترین همسایه و درخت تصمیم‌گیری.
محمدرضا کریمی پویا مهرداد قنبری بابک جمشیدی نوید منصور اسماعیل پور

پیش‌بینی یکی از مولفه‌های مهم و ضروری در برنامه‌ریزی‌های کوتاه‌مدت و میان‌مدت در هر کسب ‌و‌کاری است. یک پیش‌بینی دقیق می‌تواند در کسب بازده، مدیریت جریان‌های نقدی و تخصیص منابع نقش موثری داشته باشد و به سرمایه گذار این امکان را می‌دهد که در یک بازه زمانی مشخص حدود درآمد چکیده کامل

پیش‌بینی یکی از مولفه‌های مهم و ضروری در برنامه‌ریزی‌های کوتاه‌مدت و میان‌مدت در هر کسب ‌و‌کاری است. یک پیش‌بینی دقیق می‌تواند در کسب بازده، مدیریت جریان‌های نقدی و تخصیص منابع نقش موثری داشته باشد و به سرمایه گذار این امکان را می‌دهد که در یک بازه زمانی مشخص حدود درآمد کسب‌و‌کار و بازده خود را تخمین بزند. محققان در این اندیشه اند که روش های قدیمی، هزینه بر و زمان بر را کنار گذاشته و روش هایی جدید همچون استفاده از ماشین های یادگیر را پیاده سازی نمایند. این پژوهش از نظر نوع پژوهش، تحلیلی-تجربی، از نظر طرح پژوهش، پس رویدادادی، از نظر هدف، کاربردی، از نظر منطق اجرا، قیاسی و از نظر زمان انجام، طولی و از نوع آینده نگر می باشد. در این پژوهش، از الگوی الگوریتم نزدیک ترین همسایه، روش رافست و درخت تصمیم گیری برای بهبود قدرت پیش بینی، کاهش هزینه و زمان پیش بینی بازده سهام استفاده شده است. بدین منظور نمونه ای متشکل از 113شرکت موجود در بورس اوراق بهادار تهران در طی یک دوره 10 ساله ( 1394- 1385) از شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شده است نتایج پژوهش نشان داد که تمام فرضیه های این پژوهش مبنی بر وجود تفاوت در دقت تخمین این مدل‌ها در پیش‌بینی سه متغیر وابسته می باشند. پرونده مقاله

دسترسی آزاد مقاله

309 - مدلسازی و ارزیابی پیش‌بینی مدل‌های مختلف حافظه کوتاه مدت، حافظه بلندمدت، مارکوف سوئیچینگ و هایپربولیک گارچ در پیش‌بینی نوسانات قیمت نفت خام اوپک
محمود محمدی الموتی محمدرضا حدادی یونس نادمی

پیش‌بینی در بازارهای مالی بسیار پیچیده است و دلایل این پیچیدگی را می‌توان به مواردی چون نا‌ایستایی داده‌ها، غیرخطی بودن روند داده‌ها و تغییرات زیاد داده‌ها خلاصه کرد. تعیین الگوی مناسب جهت پیش‌بینی نوسانات می‌تواند در راستای تصمیم‌گیری نقش بسزایی ایفا کند. در مدل‌های اق چکیده کامل

پیش‌بینی در بازارهای مالی بسیار پیچیده است و دلایل این پیچیدگی را می‌توان به مواردی چون نا‌ایستایی داده‌ها، غیرخطی بودن روند داده‌ها و تغییرات زیاد داده‌ها خلاصه کرد. تعیین الگوی مناسب جهت پیش‌بینی نوسانات می‌تواند در راستای تصمیم‌گیری نقش بسزایی ایفا کند. در مدل‌های اقتصاد سنجی قدیمی، فرض بر این است که پراکندگی جزء اختلال در کل دورۀ زمانی نمونه ثابت می‌باشد. اما در بسیاری از سری‌های زمانی مالی مشاهده می‌شود که در دوره‌هایی نوسانات بسیار شدید می‌باشد. با این شرایط، فرض وجود همسانی واریانس دیگر معقول به نظر نمی‌رسد. در مقاله حاضر مدل‌های تک رژیمی GARCH، IGARCH، EGARCH، GJR-GARCH، FIEGARCH، HYGARCH و مدل دو رژیمی MRS-GARCHدر پیش‌بینی نوسانات قیمت نفت اوپک در طی سالهای 2010 الی 2016 مورد ارزیابی قرار گرفته و بر اساس معیار خطای RMSEدقت عملکرد آن‌ها سنجیده شده است. نتایج حاصل از این ارزیابی نشان از برتری مدل دو رژیمی مارکوف سوئیچینگ گارچ در افق‌های 5 و 22 روزه دارد. همچنین مدل حافظه بلند مدت FIEGARCHدر افق‌های پیش‌بینی 1 و 10 روزه از عملکرد بهتری در پیش‌بینی نوسانات قیمت نفت نسبت به سایر مدل‌های رقیب برخوردار می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

310 - پیش بینی روند قیمت در بازار سهام با استفاده از الگوریتم جنگل تصادفی
الهام غلامیان سید محمدرضا داودی

فعالان بورس درصدد دستیابی و به کارگیری روش هایی هستند تا بتوانند با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر می رسد که روش های مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایه گذار قرار گیرد. تاکنون روش ها چکیده کامل

فعالان بورس درصدد دستیابی و به کارگیری روش هایی هستند تا بتوانند با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر می رسد که روش های مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایه گذار قرار گیرد. تاکنون روش های مختلفی جهت نیل به این هدف معرفی شده اند که اغلب روش های آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصادفی که در زمره روش های طبقه بندی هوش مصنوعی می باشد، به همراه شاخص های فنی: شاخص قدرت نسبی قیمت، استوکاستیک، حجم تعادل موازنه شده، ویلیامز R%، بازده ی روزانه و شاخص سری مک دی به دنبال پیش بینی روند قیمت در بازار سهام و مقایسه آن با روش‌های موجود است. نتیجه ی پژوهش بر روی داده های روزانه شاخص بورس اوراق بهادار تهران در سالهای 1393 تا 1395 نشان می دهد که دقت روش پیشنهادی در برآورد روند بازار 64 درصد می باشد و نسبت به دو روش مقایسه شده رگرسیون لجستیک و روش کاملا تصادفی از دقت بالاتری برخوردار است. پرونده مقاله

دسترسی آزاد مقاله

311 - پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از رویکرد ترکیبی الگوریتم های فراابتکاری، هوش مصنوعی و معادله پارامتریک موجک
علیرضا سارنج مجید قدس رضا تهرانی

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و موردتوجه محافل علمی و سرمایه‌گذاری بوده است. در سالیان گذشته مدل های گوناگونی برای پیش‌بینی با استفاده از شبکه عصبی و مدل های ترکیبی پیشنهاد شده‌اند که از مدل های سنتی عملکرد بهتری داشتند. در این پژوهش ی چکیده کامل

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و موردتوجه محافل علمی و سرمایه‌گذاری بوده است. در سالیان گذشته مدل های گوناگونی برای پیش‌بینی با استفاده از شبکه عصبی و مدل های ترکیبی پیشنهاد شده‌اند که از مدل های سنتی عملکرد بهتری داشتند. در این پژوهش یک مدل ترکیبی از شبکه عصبی و تبدیل موجک پیشنهادشده است که از الگوریتم ژنتیک برای بهینه سازی تابع پایه تبدیل موجک با هدف حداکثر نمایی کارایی این تبدیل، استفاده‌شده است. داده های مورداستفاده برای این پژوهش داده های روزانه از تاریخ 02/02/1391 تا تاریخ 30/01/1396 است. نتایج این پژوهش نشان داد که با این روش می‌توان تابع پایه‌ای متناسب با ویژگی های ذاتی سری زمانی برای پیش‌بینی یافت که خطای پیش‌بینی در این مدل نسبت به مدل شبکه عصبی و مدل ترکیبی شبکه عصبی و تبدیل موجک کاهش یابد. پرونده مقاله

دسترسی آزاد مقاله

312 - تأثیر کیفیت اطلاعات حسابداری و سیاست پولی بر پیش بینی ورشکستگی
محمد حسین ستایش میلاد رحیمی

10.30495/jdaa.2023.699866

چکیدهپژوهش حاضر، تأثیر کیفیت اطلاعات حسابداری و سیاست پولی بر پیش‌بینی ورشکستگی را مورد بررسی قرار داده است. برای این منظور از میان شرکت‌های پذیرفته شده در بورس اوراق بهادار، نمونه‌ای به تعداد 135 شرکت انتخاب شد. به‌منظور جمع‌آوری داده‌های مورد نیاز برای محاسبه متغیرهای چکیده کامل

چکیدهپژوهش حاضر، تأثیر کیفیت اطلاعات حسابداری و سیاست پولی بر پیش‌بینی ورشکستگی را مورد بررسی قرار داده است. برای این منظور از میان شرکت‌های پذیرفته شده در بورس اوراق بهادار، نمونه‌ای به تعداد 135 شرکت انتخاب شد. به‌منظور جمع‌آوری داده‌های مورد نیاز برای محاسبه متغیرهای پژوهش، از بانک‌ اطلاعاتی ره‌آورد نوین، پایگاه اطلاعاتی سازمان بورس اوراق بهادار تهران و همچنین پایگاه اطلاعاتی بانک مرکزی استفاده شده است. تجزیه‌و‌تحلیل داده‌های جمع‌آوری شده با استفاده از مدل رگرسیونی داده‌های تابلویی اثرات ثابت انجام گرفته است. این پژوهش، برای تحلیلگران مالی، مدیران، حسابداران و سیاستگذارن به منظور ارزیابی موقعیت مالی و پیش‌بینی ورشکستگی مالی شرکت‌ها دارای کاربرد می‌باشد. نتایج آزمون فرضیه‌ها، نشان از عدم رد هر سه فرضیه دارد و حاکی از این است که کیفیت اطلاعات حسابداری در تعامل با سیاست پولی تأثیر مثبت و معناداری بر پیش‌بینی ورشکستگی دارد. ضریب برآوردی کیفیت اطلاعات حسابداری در تعامل با سیاست پولی بر پیش‌بینی ورشکستگی پیش از موعد کمتر از ضرایب متغیرهای کیفیت اطلاعات حسابداری و سیاست پولی بر پیش‌بینی ورشکستگی پیش از موعد شده است و این نشان می‌دهد که تعامل کیفیت اطلاعات حسابداری و سیاست پولی، نقش تعدیلگری بر پیش‌بینی ورشکستگی پیش از موعد داشته است پرونده مقاله

دسترسی آزاد مقاله

313 - مدل‏های پیش‏بینی بازده سهام؛ برآورد توزیع بازده کل بازار و نوسانات آن بر پایه توزیع لاپلاس
معصومه محمدی لداری ایمان داداشی

10.30495/jdaa.2024.709475

چکیدهدر اغلب مدل های پیش بینی بازده، از بازده کل بازار به عنوان یکی از فاکتورهای موثر بر بازده اوراق بهادار استفاده می شود. در اکثر این مدل ها همچون مدل قیمت گذاری دارایی های سرمایه ای و بلک شولز، فرض بر نرمال بودن توزیع داده ها است. این در حالیست که توزیع بازده کل، لز چکیده کامل

چکیدهدر اغلب مدل های پیش بینی بازده، از بازده کل بازار به عنوان یکی از فاکتورهای موثر بر بازده اوراق بهادار استفاده می شود. در اکثر این مدل ها همچون مدل قیمت گذاری دارایی های سرمایه ای و بلک شولز، فرض بر نرمال بودن توزیع داده ها است. این در حالیست که توزیع بازده کل، لزوماً نرمال نبوده و اغلب تفاوت قابل توجهی با توزیع نرمال دارد. در صورت تایید چنین فرضیه ای، بازده موردانتظار پیش بینی شده توسط این مدل ها، کارآیی چندانی در تصمیم گیری های مالی نخواهد داشت. هدف این پژوهش، مدل سازی بازده کل بورس تهران براساس توزیع لاپلاس و بررسی تبعیت نوسانات بازده کل از توزیع موردنظر می باشد. جهت بررسی توزیع بازده روزانه کل و نوسانات هفتگی آن از داده های مربوط به یک دوره 15 ساله بین سال های1387 تا 1401و نرم افزار آماری R استفاده شده است. تحلیل داده ها نشان داد که بازده روزانه کل از توزیع لاپلاس پیروی کرده و نوسانات هفتگی بازده کل از توزیعی که براساس توزیع لاپلاس حاصل شده، تبعیت می کند. این یافته ها، بکارگیری مدل هایی با پیش فرض نرمال بودن بازده کل، جهت پیش بینی بازده سهام در بورس اوراق بهادار تهران را با چالشی اساسی مواجه می سازد و دلیلی واضح بر ناکارآمدی این مدل ها می باشد پرونده مقاله

دسترسی آزاد مقاله

314 - Comparison of the Efficiency of Statistical Learning Algorithms and Artificial Neural Networks to Predict Stock Prices
Alireza Sadat Najafi Soheila Sardar

10.30495/ijm2c.2022.1948716.1241

The importance of the capital market in economic development is undeniable through the effective management of capital and the optimal allocation of resources. In this study, according to capital market behaviors and research, Statistical Learning (SL) algorithms compar چکیده کامل

The importance of the capital market in economic development is undeniable through the effective management of capital and the optimal allocation of resources. In this study, according to capital market behaviors and research, Statistical Learning (SL) algorithms compared to Artificial Neural Networks (ANN) to analyze time-series data and predict stock prices have been investigated. In studies to compare methods or provide hybrid models, most statistical learning algorithms are limited and examined without the comparison of other algorithms. In this study, to eliminate this shortcoming by implementing and comparing statistical learning algorithms in the two categories of Regression Learner and Classification Learner, the most efficient algorithm has been identified based on the selected shares and based on the presented parameters. The first category (Regression Learner) includes Linear Regression, Interaction Linear Regression, Robust Linear Regression, Stepwise Linear Regression, Fine Tree, Medium Tree, Coarse Tree, Linear Support Vector Machine (SVM), Quadratic SVM, Cubic SVM, Fine Gaussian SVM, Medium Gaussian SVM, Coarse Gaussian SVM, Ensemble Boosted Trees, Ensemble Bagged Trees, Squared Exponential Gaussian Process Regression, Matern 5/2 Gaussian Process Regression, Exponential Gaussian Process Regression, Rational Quadratic Gaussian Process Regression. The second category (Classification Learner) includes Gaussian, Naive Bayes, K-nearest neighbors. The results show that Regression Learner methods are more effective in predicting the price of selected stocks. پرونده مقاله

دسترسی آزاد مقاله

315 - Approximate Solution of General mp-MILP Problems and Its Application in Urban Traffic Networks
Maryam Mahmoudi Aghileh Heydari Ali Karimpour

10.30495/ijm2c.2023.1951076.1244

The multi-parametric programming (mp-P) is designed to minimize the number of unnecessary calculations to obtain the optimal solution under uncertainty, and since we widely encounter that kind of problem in mathematical models, its importance is increased. Although mp-P چکیده کامل

The multi-parametric programming (mp-P) is designed to minimize the number of unnecessary calculations to obtain the optimal solution under uncertainty, and since we widely encounter that kind of problem in mathematical models, its importance is increased. Although mp-P under uncertainty in objective function coefficients (OFC) and right-hand sides of constraints (RHS) has been highly considered and numerous methods have been proposed to solve them so far, uncertainty in the coefficient matrix (i.e., left-hand side (LHS) uncertainty) has been less considered. In this work, a new method for solving multi-parametric mixed integer linear programming (mp-MILP) problems under simultaneous uncertainty OFC, RHS, and LHS is presented. The method consists of two stages which in the first step, using tightening McCormick relaxation, the boundaries of the bilinear terms in the original mp-MILP problem are improved, the approximate model of the problem is obtained based on the improved boundaries of the first stage, and finally, an algorithm is presented to solve these kinds of problems. The efficiency of the proposed algorithm is investigated via different examples and the number of required calculations for solving the problem in different partitioning factors is compared. Also, model predictive control (MPC) using mp-P is designed for an example of an urban traffic network to examine the practical application of the proposed algorithm. پرونده مقاله

دسترسی آزاد مقاله

316 - EXTENDED PREDICTOR-CORRECTOR METHODS FOR SOLVING FUZZY DIFFERENTIAL EQUATIONS UNDER GENERALIZED DIFFERENTIABILITY
Mahnaz Barkhordarii N. Kiani Nasser Mikaeilvand

In this paper, the (m+1)-step Adams-Bashforth, Adams-Moulton, and Predictor-Correctormethods are used to solve rst-order linear fuzzy ordinary dierential equations. The conceptsof fuzzy interpolation and generalised strongly dierentiability are used, to obtaingeneral al چکیده کامل

In this paper, the (m+1)-step Adams-Bashforth, Adams-Moulton, and Predictor-Correctormethods are used to solve rst-order linear fuzzy ordinary dierential equations. The conceptsof fuzzy interpolation and generalised strongly dierentiability are used, to obtaingeneral algorithms. Each of these algorithms has advantages over current methods. Moreover,for each algorithm a convergence formula can be obtained . The convergence of thesemethods is proven in detail. Finally, these methods are illustrated using example initial valueproblems. پرونده مقاله

دسترسی آزاد مقاله

317 - پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد تجاری – صنعتی ارس و ماکو و منطقه ویژه اقتصادی سلماس با استفاده از تکنیک شبکه عصبی چندلایه پرسپترون
مرتضی شکرزاده مجتبی شکرزاده

هدف اصلی از این پژوهش این است که الگویی را برای پیش بینی موفقیت طرح های سرمایه گذاری در مناطق آزاد تجاری – صنعتی ارس و ماکو و منطقه ویژه اقتصادی سلماس ارائه دهد. برای تجزیه و تحلیل داده های این تحقیق از نرم افزارهایexpert choice، MATLAB و SPSS و PLS استفاده شده اس چکیده کامل

هدف اصلی از این پژوهش این است که الگویی را برای پیش بینی موفقیت طرح های سرمایه گذاری در مناطق آزاد تجاری – صنعتی ارس و ماکو و منطقه ویژه اقتصادی سلماس ارائه دهد. برای تجزیه و تحلیل داده های این تحقیق از نرم افزارهایexpert choice، MATLAB و SPSS و PLS استفاده شده است و با استفاده از مبانی نظری و بصورت کتابخانه ای شش عامل موثر و متغیرهای پیش بینی کننده موفقیت یا شکست طرح های سرمایه گذاری در مناطق آزاد و ویژه اقتصادی کشور شناسایی و بعد از توصیف متغیرها و آزمون نرمال بودن، با استفاده از نرم افزار PLS تحلیل عاملی تاییدی متغیرها صورت گرفت که همگی عوامل از تحلیل عاملی تاییدی مناسبی برخوردار هستند.سپس با استفاده از رگرسیون خطی و آزمون آنالیز واریانس تاثیر هر یک از عوامل بر موفقیت یا شکست طرح های سرمایه گذاری بررسی گردید که نتایج این آزمون نشان دهنده تایید تاثیر هر یک از عوامل بوده است و با استفاده از تحلیل سلسله این عوامل رتبه بندی شدند، که با توجه به این اولویت بندی،شبکه عصبی مورد استفاده شده در این تحقیق نیز شامل داده های 6متغیر به عنوان متغیر ورودی می باشد، با دو لایه میانی با تعداد30 گره در لایه اول و سه گره در لایه دوم می باشد. که دارای یه خروجی است. که نتایج نشان دهنده این بود که مدل شبکه عصبی طراحی شده قدرت پیش بینی موفقیت طرح های سرمایه گذاری را تا 1.2 درصد خطا دارد،که نشان دهنده ی قدرت پیش بینی بالای مدل است پرونده مقاله

دسترسی آزاد مقاله

318 - پیش بینی مراحل رشد ونمو ارقام و لاین های سویا با استفاده از پارامترهای اقلیمی طول روز و دما درمنطقه کرج
شراره نصراصفهانی جهانفر دانشیان ابراهیم پذیرا امیر حسین شیرانی راد

به منظورپیش بینی مراحل رشد ونمو ارقام سویا با استفاده از پارامترهای اقلیمی طول روز ودما درمنطقه کرج، چهارزمان کاشت به فاصله 15روزشامل اول خرداد، 16خرداد، 31 خرداد و 15 تیر درچهار آزمایش جداگانه در منطقه کرج درسال 1387 اجراگردیدند. تیمارهای طول روز و دما از طریق زمان های چکیده کامل

به منظورپیش بینی مراحل رشد ونمو ارقام سویا با استفاده از پارامترهای اقلیمی طول روز ودما درمنطقه کرج، چهارزمان کاشت به فاصله 15روزشامل اول خرداد، 16خرداد، 31 خرداد و 15 تیر درچهار آزمایش جداگانه در منطقه کرج درسال 1387 اجراگردیدند. تیمارهای طول روز و دما از طریق زمان های کاشت فوق اعمال شدند . هرآزمایش شامل15رقم و لاین به نام های Miandoab، Elf، Tns95، Clark، Grangelb،Union، L17، A3237، A3935، S.R.F ، M12، M4، Zane، Williams و Calland درقالب طرح بلوک های کامل تصادفی باسه تکرار بود. در این تحقیق، رقم Williams در زمان کاشت اول خرداد به عنوان شاهد در نظر گرفته شد و تیمارهای طول روز و دما از طریق زمان های کاشت فوق اعمال گردیدند. زمان گل دهی و طول دوره نمو زایشی براساس واحد های درجه روز رشد ، فتوپریود و فتوترمال ، برازش رگرسیونی شدند . نتایج حاصل نشان داد که اثر فتوپریود در کلیه ارقام و لاین های مورد بررسی موثر بود و افزایش دورة فتوپریود سبب تأخیر در زمان رسیدن کلیه ارقام و لاین های مورد بررسی گردید . در بین ارقام مورد بررسی تنها در رقمWilliams اثر فتوترمال مثبت بوده است ، بنابراین با افزایش فتوترمال دریافتی در هر زمان ، رسیدن گیاه به تأخیر افتاد .با توجه به این که واحد فتوترمال از حاصل ضرب درجه روز رشد و فتوپریود روزانه محاسبه می گردد ، بنابراین تأثیر فتوپریود بر زمان رسیدگی مؤثرتر بوده و با توجه به این که ضریب فتوپریود مثبت می باشد ، درجه روز رشد به صورت غیر مستقیم و از طریق واحد فتوترمال توانسته است سبب تسریع در زمان رسیدگی گیاه گردد. همچنین در میان ارقام و لاین های مورد آزمون در طول دوره نمو زایشی ، تنها رقم Elf تحت تأثیر درجه روز رشد قرار گرفت ، بنابراین به نظر می رسد درجه روز رشد تأثیر قابل توجهی در رسیدن این رقم داشته باشد. پرونده مقاله

دسترسی آزاد مقاله

319 - Prediction of the GC-MS Retention Indices for a Diverse Set of Terpenes as Constituent Components of Camu-camu (Myrciaria dubia (HBK) Mc Vaugh) Volatile Oil, Using Particle Swarm Optimization-Multiple Linear Regression (PSO-MLR)
Majid Mohammadhosseini

10.22034/jchr.2018.544059

A reliable quantitative structure retention relationship (QSRR) study has been evaluated to predict the retention indices (RIs) of a broad spectrum of compounds, namely 118 non-linear, cyclic and heterocyclic terpenoids (both saturated and unsaturated), on an HP-5MS fus چکیده کامل

A reliable quantitative structure retention relationship (QSRR) study has been evaluated to predict the retention indices (RIs) of a broad spectrum of compounds, namely 118 non-linear, cyclic and heterocyclic terpenoids (both saturated and unsaturated), on an HP-5MS fused silica column. A principal component analysis showed that seven compounds lay outside of the main cluster. After elimination of the outliers, the data set was divided into training and test sets involving 80 and 28 compounds. The method was tested by application of the particle swarm optimization (PSO) method to find the most effective molecular descriptors, followed by multiple linear regressions (MLR). The PSO-MLR model was further confirmed through â€œleave one out cross validationâ€ (LOO-CV) and â€œleave group out cross validationâ€ (LGO-CV), as well as external validations. The promising statistical figures of merit associated with the proposed model (R2train=0.936, Q2LOO=0.928, Q2LGO=0.921, F=376.4) confirm its high ability to predict RIs with negligible relative errors of predictions (REP train=4.8%, REP test=6.0%). پرونده مقاله

دسترسی آزاد مقاله

320 - Predictive Toxicology and Toxicogenomics of Potassium Sorbate-Gene-Diseases Association
K. Shanmuga Priya V. Pushpa Rani A. Anitha Nancy

10.22034/jchr.2021.1930505.1308

In this century, exposure to numerous chemical from different sources became common in human life. Conversely, the toxicological data for a large portion of chemicals for its risk assessment are unknown. Potassium sorbate (PS) is preservative used in wide variety of foo چکیده کامل

In this century, exposure to numerous chemical from different sources became common in human life. Conversely, the toxicological data for a large portion of chemicals for its risk assessment are unknown. Potassium sorbate (PS) is preservative used in wide variety of food, cosmetic and pharmaceutical products and there many authors reported about the effect of PS. This investigation is to integrate computational TGx and predictive toxicology and first report of potassium sorbate on this aspect. It was aimed in order to understand the potential adverse health effects of PS by ADMET prediction and their curated interactions between PS-gene–disease relationships. PreADMET and Comparative Toxicogenomics Database were used for the computational study. PreADMET revealed prediction data for ADME via physic-chemical parameter along with Caco-2 cell, MDCK cell and BBB (blood-brain barrier), HIA (human intestinal absorption), skin permeability and plasma protein binding and toxicological prediction using chemical structures, such as mutagenicity and carcinogenicity. CTD results established curated and inferred interactions between PS-gene–disease relationships. The CTD outcomes exposed that PS may possess endocrine disruption potency and have impact on endocrine system diseases etiology. It is concluded, that computational prediction approach offers both a better understanding of the potential risks of chemical exposure to humans and a direction for future toxicological investigation. پرونده مقاله

دسترسی آزاد مقاله

321 - Evaluation of Control of Substances Hazard to Health (COSHH) Essentials Model by Measuring Occupational Exposure in a Chemical Production Industry
Masoomeh Vahabi Shekarloo Seyed Mohammad Sadat Zahra Moradpour Rezvan Zendehdel

10.22034/jchr.2023.1966650.1614

Control of Substances Hazard to Health (COSHH) Essentials is a simple, user-friendly matrix that provides risk-control solutions. Considering a large number of small enterprises under 25 workers in Iran and the lack of a suitable control banding tool, the COSHH Essentia چکیده کامل

Control of Substances Hazard to Health (COSHH) Essentials is a simple, user-friendly matrix that provides risk-control solutions. Considering a large number of small enterprises under 25 workers in Iran and the lack of a suitable control banding tool, the COSHH Essentials can be considered an appropriate option. The purpose of the present experimental semi qualitative study was to evaluate the validity of the COSHH Essentials tool. Six processes were selected from a chemical products industry, including the production of silicone glue, polishing, PVC glue, Grease, Twin glue filling, and quality control. Amorphous silica and toluene concentrations were monitored using NIOSH 0600 and NIOSH 1501 in the ambient air of operators. The predicted exposure range (PER) was obtained by combining the control strategies available at the sampling time with exposure predictor (EP) bands in the COSHH Essentials, then compared to silica and toluene concentrations in the air.All exposure data were within the PER for amorphous silica dust and lower or within the PER for toluene. Compared to the acceptable concentration range in hazard bands, the threshold limit value (TLV) for respirable dust is within the acceptable concentration range, while toluene TLV exceeded it. COSHH Essentials is a conservative and safe tool, especially in liquids. Due to its simplicity, ‎employers and health center experts can use the COSHH tool successfully for small enterprises or ‎as a screening tool before a comprehensive risk assessment. پرونده مقاله

دسترسی آزاد مقاله

322 - بررسی تأثیر محیط اطلاعاتی بر رابطه بین یکنواختی در محاسبه مالیات ابرازی و قطعی و کیفیت پیش‌بینی تحلیلگران از سودآوری
محمد سالاری ابرقوئی نسیم شاه مرادی

10.30495/afi.2022.1952617.1110

هدف: پیش‌بینی سود حسابداری و تغییرات آن به‌عنوان یک رویداد اقتصادی از دیرباز موردعلاقه تحلیلگران مالی و پژوهشگران بوده است. هدف این مطالعه بررسی تأثیر محیط اطلاعاتی بر رابطه بین یکنواختی در محاسبه مالیات ابرازی و قطعی و کیفیت پیش‌بینی تحلیلگران از سودآوری شرکت‌ها می‌باش چکیده کامل

هدف: پیش‌بینی سود حسابداری و تغییرات آن به‌عنوان یک رویداد اقتصادی از دیرباز موردعلاقه تحلیلگران مالی و پژوهشگران بوده است. هدف این مطالعه بررسی تأثیر محیط اطلاعاتی بر رابطه بین یکنواختی در محاسبه مالیات ابرازی و قطعی و کیفیت پیش‌بینی تحلیلگران از سودآوری شرکت‌ها می‌باشد.روش‌شناسی پژوهش: در این پژوهش به پیروی از پژوهش چوی و همکاران (2020) محیط اطلاعاتی و کیفیت پیش‌بینی تحلیلگران در دو بعد مفید بودن و دقت پیش‌بینی و یکنواختی در محاسبه مالیات ابرازی و قطعی در دو جنبه موقت و دائمی محاسبه گردیده و مدل‌های رگرسیونی با استفاده از الگوی گشتاور تعمیم‌یافته (GMM) آزمون شدند، نمونه انتخاب‌شده از 69 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در بین سال‌های 1390 تا 1398 تشکیل‌شده است.یافته‌ها: در کل یافته‌های پژوهش حاکی از آن است که یکنواختی در محاسبه مالیات ابرازی و قطعی بر دقت پیش‌بینی تحلیلگران اثرگذار بوده به‌نحوی‌که یکنواختی موقت منجر به افزایش و یکنواختی دائمی منجر به کاهش دقت پیش‌بینی تحلیلگران گردیده است. علاوه‌برآن یکنواختی در محاسبه مالیات ابرازی و قطعی بر مفید بودن پیش‌بینی تحلیلگران نیز اثرگذار بوده که جهت آن برای یکنواختی موقت افزاینده و یکنواختی دائم کاهنده بوده است. محیط اطلاعاتی نیز هم بر دقت پیش‌بینی و هم مفید بودن پیش‌بینی تحلیلگران مؤثر بوده است.اصالت / ارزش افزوده علمی: نتایج به‌دست‌آمده منجر به گسترش مبانی نظری در ارتباط با عوامل اثرگذار بر کیفیت پیش‌بینی تحلیلگران، در دو جنبه دقت و مفید بودن پیش‌بینی‌ها گردیده و علاوه‌برآن برای مدیران شرکت‌ها، در اتخاذ سیاست‌های لازم جهت ایجاد محیط اطلاعاتی مناسب، کاربردی می‌باشد. روابط ذکر شده به‌صورت دوسویه سنجیده شده و دربردارنده تفاوت‌های موقتی و دائمی در مالیات پرداختی شرکت‌ها نیز می‌باشد که اطلاعات مفیدی در این زمینه برای استاندارد گذاران و قانون‌گذاران فراهم می‌نماید. پرونده مقاله

دسترسی آزاد مقاله

323 - بررسی نظام‌مند مدل‌های پیش‌بینی ورشکستگی
جابر زحمتکش اکرم تفتیان محمود معین‌الدین امین نظارات

10.30495/afi.2023.1971181.1164

هدف: هدف پژوهش حاضر بررسی نظام‌مند مدل‌های پیش‌بینی ورشکستگی در راستای ایجاد مدلی است که به‌عنوان راهنمایی برای انتخاب ابزار مناسب که بهترین انطباق را با داده‌های موجود و معیارهای کیفیت مدل‌های پیش‌بینی ورشکستگی دارد عمل کند.روش‌شناسی پژوهش: برای انجام این پژوهش، جستجوی چکیده کامل

هدف: هدف پژوهش حاضر بررسی نظام‌مند مدل‌های پیش‌بینی ورشکستگی در راستای ایجاد مدلی است که به‌عنوان راهنمایی برای انتخاب ابزار مناسب که بهترین انطباق را با داده‌های موجود و معیارهای کیفیت مدل‌های پیش‌بینی ورشکستگی دارد عمل کند.روش‌شناسی پژوهش: برای انجام این پژوهش، جستجوی سیستماتیک از database (web of Science) با استفاده از کلیدواژه‌های Bankruptcy، Default، Distress، Failure، Forecasting، Predicting، Prediction و Insolvency بین سال‌های ۲۰15 لغایت 2023 صورت پذیرفت. باتوجه‌به معیارهای ورود و خروج تعریف‌شده، حاصل این جستجو 1000 مقاله بود که درنهایت 49 مقاله از میان آن‌ها انتخاب و مورد تجزیه‌وتحلیل قرار گرفت. سپس یافته‌های به‌دست‌آمده از مقالات، در جداول خلاصه‌سازی وارد گردیده و در گام بعدی، مدل‌های بزرگ پیش‌بینی ورشکستگی بر اساس 9 معیار کلیدی با یکدیگر مقایسه و نتیجه‌گیری نهایی به عمل آمد.یافته‌ها: شبکه عصبی مصنوعی و ماشین‌های بردار پشتیبان دارای بیشترین دقت می‌باشند درحالی‌که تحلیل شخصیتی چندگانه دارای کمترین دقت است. همچنین شبکه عصبی مصنوعی و تحلیل شخصیتی چندگانه، درخت تصمیم‌گیری و رگرسیون لجستیک به نمونه آموزشی بزرگی نیاز دارند تا الگویی را منطقاً شناسایی کرده و طبقه‌بندی بسیار دقیقی ارائه دهند؛ اما استدلال مبتنی بر مورد، مجموعه‌های راف و ماشین‌های بردار پشتیبان می‌توانند با اندازه نمونه‌های کوچک کار کنند.اصالت / ارزش‌افزوده علمی: نتایج این پژوهش به درک کامل ویژگی‌های ابزارهای مورداستفاده برای توسعه مدل‌های پیش‌بینی ورشکستگی و کاستی‌های مربوط به آن‌ها کمک می‌کند. پرونده مقاله

دسترسی آزاد مقاله

324 - Prediction of Mode II of Fracture Toughness in Laminate Composites
افشین زین‌الدینی منصور علیزاده

In this paper, effects of ply orientation of adjacent plies with (ϕ//θ) interfaces on mode II critical strain energy release rate (fracture toughness) of multidirectional (MD) laminate has been studied. Ply orientation of adjacent plies is one of the most importan چکیده کامل

In this paper, effects of ply orientation of adjacent plies with (ϕ//θ) interfaces on mode II critical strain energy release rate (fracture toughness) of multidirectional (MD) laminate has been studied. Ply orientation of adjacent plies is one of the most important parameters affects the mode II critical strain energy release rate () in the initiation of the delamination. To study this parameter, End Notch Flexure (ENF) specimen has been used for measuring of laminated composites. Eventually, the purpose is to predict of of MD composite specimen, without direct experimental tests and finite element modeling using the results of unidirectional (UD) ply. First, of unidirectional composites will be studied and by the results obtained, the behavior of multidirectional laminated composites is predicted. In this context, a comprehensive method was proposed that combines prediction methods, and analytical modeling. The obtainedof multidirectional laminated composites with (ϕ//θ) interfaces can be used for design purposes. Results obtained using this method has been compared with the results of numerical and theoretical methods. This prediction method reduces the calculation costs of FE and analytical models, and also the costs of experiments significantly. پرونده مقاله

دسترسی آزاد مقاله

325 - A new low cycle fatigue lifetime prediction model for magnesium alloy based on modified plastic strain energy approach
محمد آزادی غلامحسین فرهی

Nowadays, the technology intends to use materials such as magnesium alloys due to their high strength to weight ratio in engine components. As usual, engine cylinder heads and blocks has made of various types of cast irons and aluminum alloys. However, magnesium alloys چکیده کامل

Nowadays, the technology intends to use materials such as magnesium alloys due to their high strength to weight ratio in engine components. As usual, engine cylinder heads and blocks has made of various types of cast irons and aluminum alloys. However, magnesium alloys has physical and mechanical properties near to aluminum alloys and reduce the weight up to 40 percents. In this article, a new low cycle fatigue lifetime prediction model is presented for a magnesium alloy based on energy approach and to obtain this objective, the results of low cycle fatigue tests on magnesium specimens are used. The presented model has lower material constants in comparison to other criteria and also has proper accuracy; because in energy approaches, a plastic work-lifetime relation is used where the plastic work is the multiple of stress and plastic strain. According to cyclic softening behaviors of magnesium and aluminum alloys, plastic strain energy can be proper selection, because of being constant the product value of stress and plastic strain during fatigue loadings. In addition, the effect of mean stress is applied to the low cycle fatigue lifetime prediction model by using a correction factor. The results of presented models show proper conformation to experimental results. پرونده مقاله

دسترسی آزاد مقاله

326 - ارائه مدل پیش‌بینی ورشکستگی شرکت های بورس اوراق بهادار تهران مبتنی بر مدل ترکیبی شبکه عصبی گروهی دستکاری داده ها و الگوریتم ژنتیک
حسین وظیفه دوست طیبه زنگنه

هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیش بینی ورشکستگی شرکت های تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، می باشد. هم چنین، با استفاده از تعدادی از پر کاربرد ترین روش های انتخاب متغیر در چکیده کامل

هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیش بینی ورشکستگی شرکت های تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، می باشد. هم چنین، با استفاده از تعدادی از پر کاربرد ترین روش های انتخاب متغیر در ادبیات پیش بینی ورشکستگی، مطالعه جامعی در جهت شناسائی بهترین متغیر های پیش بینی کننده ورشکستگی شرکت های بورس اوراق بهادار تهران صورت گرفته است. به منظور ساخت مدل‌های پیش بینی در ابتدا با استفاده از چهار روش انتخاب متغیر 1-آزمون T نمونه های مستقل (T-test)، 2- ماتریس همبستگی(CM) ، 3- تحلیل تشخیصی گام به گام (SDA) و 4- تحلیل مولفه های اصلی (PCA)، نسبت های مالی نهایی از بین 19 نسبت مالی متناسب با بازار سرمایه کشور، انتخاب شده است. با استفاده از نسبت‌های مالی انتخاب شده و مدل ترکیبی GA-GMDH، شبکه عصبی- فازی تطبیق‌پذیر ANFIS)) و رگرسیون لجستیک(LR)، 12 مدل جهت پیش بینی ورشکستگی استخراج شد و نتایج حاصل از آن ها مورد مقایسه قرار گرفت. نتایج حاصل از تحقیق، نشان دهنده قابلیت بالای مدل پیشنهادی GA-GMDH در مدل‌سازی پیش‌بینی ورشکستگی و برتری آن بر روش های ANFIS وLR می‌باشد. همچنین، نتایج تحقیق نشان می دهد که روش ماتریس همبستگی در مقایسه با سایر روش‌های انتخاب متغیر، توانایی بیشتری در انتخاب متغیرهای موثر بر پیش‌بینی ورشکستگی شرکت‌ها دارد. بنابراین، مدل CM-GA-GMDH به عنوان بهترین مدل پیش بینی کننده ورشکستگی شرکت‌های بورس اوراق بهادار تهران شناخته می شود. پرونده مقاله

دسترسی آزاد مقاله

327 - An Interval Type-2 Fuzzy LSTM Algorithm for Modeling Environmental Time-Series Prediction
Aref Safari Rahil Hosseini

10.22034/ap.2022.1963124.1133

The statistical attributes of the non-stationary problems such as air quality and other natural phenomena frequently changed. Type-2 fuzzy logic is a robust and capable model to cope with high-order uncertainties associated with non-stationary time-dependent features. T چکیده کامل

The statistical attributes of the non-stationary problems such as air quality and other natural phenomena frequently changed. Type-2 fuzzy logic is a robust and capable model to cope with high-order uncertainties associated with non-stationary time-dependent features. This research's main objective is to present a novel Fuzzy Deep LSTM (IT2FLSTM) model to predict air quality for Tehran and Beijing in a short and long time series scale. The proposed model has been evaluated on a real dataset that contains the one-decade information about outdoor pollutants from April 2011 to November 2020 in Tehran and Beijing. The IT2FLSTM model was evaluated using a ROC curve analysis and validated using 10-fold cross-validation. The results confirm the IT2FLSTM model's superiority with an average area under the ROC curve (AUC) of 97 % and a 95% confidence interval of [95-98] %. The proposed IT2FLSTM model promises to predict complex problems to make strategic prevention decisions to save more lives. پرونده مقاله

دسترسی آزاد مقاله

328 - امکان سنجی مدل پیش بینی اقتصادی بر اساس الگوریتم هوشمند شهر هوشمند
مهسا خدادادی لاریسا خدادادی روزبه دبیری

شهرهای هوشمند از فضا استفاده بهتری می‌کنند و تردد کمتر، هوای پاک‌تر و خدمات شهری کارآمدتری دارند و کیفیت زندگی مردم را بهبود می‌بخشند. تعداد زیاد وسایل نقلیه که به طور مداوم در نقاط شلوغ در شهرهای هوشمند در حال تردد هستند، دستیابی به یک فضای پارک عمومی را پیچیده می کند. چکیده کامل

شهرهای هوشمند از فضا استفاده بهتری می‌کنند و تردد کمتر، هوای پاک‌تر و خدمات شهری کارآمدتری دارند و کیفیت زندگی مردم را بهبود می‌بخشند. تعداد زیاد وسایل نقلیه که به طور مداوم در نقاط شلوغ در شهرهای هوشمند در حال تردد هستند، دستیابی به یک فضای پارک عمومی را پیچیده می کند. این امر چالش هایی را هم برای ترافیک و هم برای ساکنان ایجاد می کند. با چنین جمعیت گسترده ای، تراکم جاده ها یک چالش جدی است. منابع حیاتی مانند سوخت، پول و مهمتر از همه زمان را هدر می دهد. پیدا کردن مکان مناسب برای پارک یکی از دلایل ازدحام ترافیک در بزرگراه¬ها است. این مقاله یک مدل پیش‌بینی اقتصادی مبتنی بر یادگیری عمیق، برای رشد اقتصادی بلندمدت در شهرهای هوشمند پیشنهاد می‌کند. مدیریت ترافیک برای شهرها از این نظر حیاتی است که تضمین می کند که مردم بتوانند آزادانه در سطح شهر حرکت کنند. بسیاری از خودروهایی که برای رسیدن به مناطق شلوغ در شهرهای هوشمند تلاش می کنند، دستیابی به یک پارکینگ عمومی را دشوار می کنند. این موضوع هم برای رانندگان و هم برای ساکنین ناخوشایند است. تعدادی از مسئولین در امر مدیریت ترافیک، یک شبکه عصبی مصنوعی را برای حل این مشکل پیاده‌سازی کرده‌اند و سیستم‌های خودروهای مدرن با راه‌حل‌های پارک هوشمند همراه شده‌اند. نتیجه تجربی مدل پیش‌بینی اقتصادی مبتنی بر یادگیری عمیق، تخمین ترافیک، پیش‌بینی دقت در جریان ترافیک، مدیریت ترافیک و پارکینگ هوشمند را در مقایسه با روش‌های موجود بهبود می‌بخشد پرونده مقاله

دسترسی آزاد مقاله

329 - تاثير قارچ مایکوریزا، تنش آب و سال بر عملکرد گل و برخی خصوصیات گیاه دارویی گاوزبان (Borago officinalis L.) در منطقه یاسوج
علی رحیمی

شناسايي زمان بحراني و زمانبندي آبیاری گياه بر مبناي يك برنامه دقيق و اساسي، كليدي براي نگهداري آب، بهبود عمليات آبياري و قابليت تحمل گياه به كمبود آب در كشاورزي است. در سال‌هاي اخیر براي مقابله با کم‌آبی و تنش خشکی قارچ‌هاي مایکوریزاي وزیکولار آربوسکولار در بسیاري از گی چکیده کامل

شناسايي زمان بحراني و زمانبندي آبیاری گياه بر مبناي يك برنامه دقيق و اساسي، كليدي براي نگهداري آب، بهبود عمليات آبياري و قابليت تحمل گياه به كمبود آب در كشاورزي است. در سال‌هاي اخیر براي مقابله با کم‌آبی و تنش خشکی قارچ‌هاي مایکوریزاي وزیکولار آربوسکولار در بسیاري از گیاهان مورد استفاده قرار گرفته است. در این راستا، آزمایشی به صورت کرت¬های خرد شده در قالب طرح بلوك‌هاي كامل تصادفي با سه تکرار، در سال¬های¬ 1394 و 1395 در منطقه یاسوج اجرا ¬گردید. تنش آب به‌عنوان عامل اصلی بصورت آبياري پس از 30، 60، 90، 120 و 150 ميلي¬متر تبخير از تشتك تبخير كلاس A و قارچ مایكوريزا به‌عنوان عامل فرعی بصورت عدم کاربرد، کاربرد Glomus mosseae و کاربرد Glomus intraradices در نظر گرفته شد. نتایج نشان¬ داد که برهمکنش آبیاری و قارچ مایکوریزا بر فسفر گل، عملکرد گل¬، عملکرد زیستی و کارایی مصرف آب گاوزبان معنی¬دار بود. در سطوح آبیاری پس از 60، 90، 120 و 150 میلی¬متر تبخیر آب از تشتک تبخیر، کاربرد قارچ¬¬¬های مایکوریزا Glomus mosseae و Glomus intraradices نسبت به عدم وجود قارچ به ترتیب موجب افزایش عملکرد گل گیاه (04/30 و 35/27 درصد)، (2/92 و 98/90 درصد)، (1/94 و 21/93 درصد) و (73/81 و 86/78 درصد) شدند، همچنین در این سطوح از آبیاری، عملکرد زیستی و کارایی مصرف آب گل گاوزبان در شرایط حضور قارچ مایکوریزا نسبت به عدم کاربرد قارچ افزایشی معنی¬دار حاصل نمودند. کاربرد هر دو سویه قارچ مایکوریزا Glomus mosseae و Glomus intraradices در سطوح آبیاری پس از 90، 120 و 150 میلی¬متر تبخیر آب از تشتک تبخیر نسبت به عدم کاربرد قارچ مایکوریزا به ترتیب موجب افزایش معنی¬دار شاخص برداشت گل گاوزبان (55/44 و 36/43 درصد)، (21/13 و 96/15 درصد) و (6/5 و 41/5 درصد) و فسفر گل (69/44 و 45/20 درصد)، (150 و 125 درصد) و (74/267 و 48/235 درصد) شدند. قارچ مایکوریزا توانست باعث تعدیل اثرات منفی تنش کم‌آبی و موجب افزایش صفات فوق در آن سطوح آبیاری گردد و بر اساس نتایج این بررسی، تیمار آبیاری پس از 90 میلی‌متر تبخیر آب از تشتک تبخیر + کاربرد قارچ‌ مایکوریزای Glomus mosseae توصیه می‌شود. پرونده مقاله

دسترسی آزاد مقاله

330 - میزان روایی پیش بینی آزمون ورودی دانشگاه آزاد اسلامی: آیا پذیرش یعنی موفقیت تحصیلی؟
مجتبی محمدی

چکیده: پژوهش حاضر به مطالعه ی میزان روایی پیش بینی آزمون ورودی دانشگاه آزاد اسلامی درمیان دانشجویان گرایش های مختلف زبان انگلیسی می پردازد. به عبارت دیگر، این مطالعه ارتباط بین نمره علمی امتحان ورودی دانشگاه آزاد اسلامی با میزان موفقیت دانشجویان در آن رشته ها را بررسی م چکیده کامل

چکیده: پژوهش حاضر به مطالعه ی میزان روایی پیش بینی آزمون ورودی دانشگاه آزاد اسلامی درمیان دانشجویان گرایش های مختلف زبان انگلیسی می پردازد. به عبارت دیگر، این مطالعه ارتباط بین نمره علمی امتحان ورودی دانشگاه آزاد اسلامی با میزان موفقیت دانشجویان در آن رشته ها را بررسی می کند تا دریابد آیا می توان از نمره آزمون ورودی دانشجویان میزان موفقیت تحصیلی آنان را پیش بینی کرد. به همین منظوراز میان 452 دانشجوی سال آخر، 282 دانشجو که در گرایش های مختلف زبان انگلیسی در دانشگاه آزاد اسلامی واحد رودهن تحصیل می کردند به روش تصادفی به عنوان نمونه ی پژوهش انتخاب شدند. سپس همه اطلاعات مربوط به نمره آنها در آزمون ورودی دانشگاه (شامل نمره ی دروس عمومی، اختصاصی، و نمره ی کل) به همراه معدل پایانی شش نیمسال اولیه ی آنها از مرکز آزمون و معاونت آموزشی دانشگاه جمع آوری شد. تحلیل آماری این اطلاعات با استفاده از ضریب همبستگی پیرسون نشان داد که نمره ی کل دانشجویان ارزش پیش بینی بیشتری نسبت به نمره ها ی دروس عمومی و اختصاصی آنها داشت. به علاوه، در میان سه گرایش موجود، دانشجویان رشته آموزش زبان انگلیسی (دبیری) دارای روایی پیش بینی بالاتری بودند. همچنین، در حالی که در میان دانشجویان پسر نمره ی دروس تخصصی زبان انگلیسی موفقیت تحصیلی آنها را بهتر پیش بینی می کرد، در میان دانشجویان دختر نمره ی کل آنها چنین ویژگی داشت. پرونده مقاله

دسترسی آزاد مقاله

331 - شناسایی پیشایندها و پسایندهای عوامل پیش‌بین فرصت‌های کارآفرینانه در شرکت‌های بین‌المللی
علی فراهانی یونس وکیل الرعایا فریده حق شناس کاشانی علی فائض

از نظر محققان کارآفرینی، شناسایی فرصت نقش بسیار اساسی در فعالیت های کارآفرینانه دارد. آنان معتقدند که کارآفرینی نحوه تفکر و عمل بر مبنای فرصت است. کارآفرینی موجب خلق و باز آفرینی ارزش برای مالکان و ذی نفعان شده و فرصت قلب این فرایند است. اگر چه شناسایی فرصت ویژگی اصلی ک چکیده کامل

از نظر محققان کارآفرینی، شناسایی فرصت نقش بسیار اساسی در فعالیت های کارآفرینانه دارد. آنان معتقدند که کارآفرینی نحوه تفکر و عمل بر مبنای فرصت است. کارآفرینی موجب خلق و باز آفرینی ارزش برای مالکان و ذی نفعان شده و فرصت قلب این فرایند است. اگر چه شناسایی فرصت ویژگی اصلی کارآفرینان محسوب میشود و بدون آن، فعالیت کارآفرینانه رخ نمی دهد، ولی تمام افراد قادر به شناخت فرصت نیستند بنابراین هدف از این مطالعه واکاوي مبحث پیشایندها و پسایندهای عوامل پیش‌بین فرصت‌های کارآفرینانه است. روش پژوهش برحسب هدف، کاربردی و برحسب گردآوری داده‌ها، پژوهشی کیفی مبتنی بر نظریه داده بنیاد است. داده‌ها از طریق مطالعه منابع مستند و مصاحبه‌های نیمه ساختاریافته با 17 نفر از مدیران و همچنین کارشناسان فعال در حوزه کارآفرینی، از طریق نمونه‌گیری هدفمند و گلوله برفی با استفاده از نرم‌افزار MAXQDA18 جمع‌آوری شد. در مرحلۀ کدگذاری باز، 61 کد مقدماتی از تحلیل مصاحبه‌ها شناسایی شد. در دومین مرحله، کدگذاری محوری حول پدیده موردبررسی انجام شد. بر اساس یافته‌هاي پژوهش، پیشایندهای عوامل پیش‌بین فرصت‌های کارآفرینانه (عوامل علی) در قالب هفت دسته رویدادهای خلاف انتظار، تغییرات مبتنی بر صنعت و ساختار بازار، کمبود مبتنی بر روش‌ها، وضعیت متناقض، تغییر مبتنی بر ارزش‌ها و شناخت، دانش جدید و ویژگی‌های جمعیتی جاي گرفتند و پسایندهای (پیامدها) عوامل پیش‌بین فرصت‌های کارآفرینانه در دو دسته مالی و مشهود و غیرمالی و نامشهود تعیین شدند. پرونده مقاله

دسترسی آزاد مقاله

332 - Evaluation and Prediction of W/C Ratio vs. Compressive Concrete Strength Using A.I and M.L Based on Random Forest Algorithm Approach
R. Jamalpour

Concrete, an artificial stone composed of cement, aggregate, water, and additives, is extensively utilized in contemporary civil projects. A pivotal characteristic of concrete is its capacity to efficiently serve various purposes and structural requirements. Cement, wat چکیده کامل

Concrete, an artificial stone composed of cement, aggregate, water, and additives, is extensively utilized in contemporary civil projects. A pivotal characteristic of concrete is its capacity to efficiently serve various purposes and structural requirements. Cement, water, aggregate, and additives are pivotal parameters wherein even minor alterations can significantly impact concrete strength. Among these parameters, the Water/Cement (W/C) ratio holds particular significance due to its inverse correlation with strength. Traditionally, predicting concrete strength solely based on the water-to-cement ratio has been challenging. However, with advancements in AI and machine learning techniques coupled with ample data availability, accurate strength prediction is achievable. This paper presents an analysis of a diverse dataset comprising various concrete tests utilizing machine learning methodologies, followed by a comparative examination of the outcomes. Furthermore, this study scrutinizes a renowned dataset encompassing 1030 experiments, featuring diverse combinations of cement, water, aggregate, etc., employing artificial intelligence and machine learning techniques. Model accuracy and result fidelity are evaluated through rigorous sampling methodologies. Initially, the dataset is subjected to analysis utilizing the linear regression algorithm, followed by validation employing the random forest algorithm. The random forest algorithm is employed to predict the water-to-cement ratio and corresponding compressive strength for concrete with a density of 300 kg/m3. Notably, the obtained results exhibit a high level of concordance with experimental and laboratory findings from prior studies. Hence, the efficacy of the random forest algorithm in concrete strength prediction is established, offering promising prospects for future applications in this domain. پرونده مقاله

فهرست مقالات predict

سکوی نشر دانش

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی