• بررسی و مقایسه روش های تخمین پارامترهای مدل استو کاستیکی arima

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1385/02/10
    • تاریخ انتشار در تی پی بین: 1385/02/10
    • تعداد بازدید: 828
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    با توجه به رشد جمعیت و افزایش نیازهای روز افزون فعلی و آینده جامعه، پیش بینی پدیده های موثر در برنامه ریزی مدیریت منابع آب از اهمیت چشمگیری برخوردار است. در سال های اخیر توسعه مدل های استو کاستیکی گام مهمی جهت رسیدن به این هدف مهم می گردند از جمله این مدل ها می توان به مدل خود همبسته تجمعی میانگین متحرک arima و یا مدل های مشتق شده از آن مانند مدل خود همبسته تجمعی میانگین متحرک کسری farimaاشاره کرد. امکان پیش بینی توسط مدل arima از طریق تخمین صحیح پارامترهای مجهول امکان پذیر می باشد. روش های مختلفی جهت تخمین پارامترهای این مدل وجود دارند که می توان به روش ماکزیمم درست نمایی و حداقل مربعات و از روش های جدید، الگوریتم ژنتیک نام برد. در این تحقیق ضمن ارائه چندین روش تخمین پارامترهای مدل arima، مقایسه ای بین روش های ارائه شده در یک مطالعه موردی بر روی داده های سالانه دبی ایستگاه های حوضه آبریز دریاچه ارومیه، انجام گرفته است. نتایج نشان دادند که روش الگوریتم ژنتیک به عنوان روش برتر نسبت به سایر روش های مورد مقایسه در تخمین پارامترهای مدل استو کاستیکی arima می باشد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین ژورنال ها