برای جستجو در بین هزاران پایان نامه در موضوعات مختلف     

      و دانلود متن کامل آنها با فرمت ورد اینجا کلیک کنید     

 
دانلود پایان نامه

در این روش، پیشبینی آینده برابر با میانگین تمام دادههای موجود یک سری زمانی است. هرچند در روش میانگین ساده از تمام دادههای موجود استفاده میشود، اما نقص این روش آن است که به تمام دادهها وزنی یکسانی تعلق میگیرد. همچنین اگر تعداد پیشبینیها بیش از یک دوره باشد، مقادیر پیشبینی شده برای تمام دورههای بعد یکسان خواهد بود. (نیرومند و دیگران، 1389: 133)
ب) میانگین متحرک
بهطور کلی روش میانگین متحرک شامل میانگین متحرک غیروزنی و میانگین متحرک وزنی است. در این روشها پیشبینی آینده مبتنی بر میانگین (وزنی یا غیر وزنی) تعدادی از آخرین دادههای یک سریزمانیn) ) است که به آن طول میانگین متحرک گفته میشود. بهمنظور تعیین طول میانگین متحرک راهی جز آزمون و خطا وجود ندارد. روش میانگین متحرک غیر وزنی را میتوان به صورت رابطه (2-13) نشان داد.
(2-13) F (t) = f (t+ h) =
رابطه فوق بهصورت سادهتر بهصورت رابطه (2-14) نشان داده میشود.
(2-14) F(t) = f (t+ h) =
ج) روش میانگین متحرک وزنی
در حالتی که در یک سریزمانی دادههای انتهایی از اهمیت بیشتری برخوردار باشند از رابطه (2-15) استفاده میشود.
(2-15) F(t) = f(t+ 1) =
که در آن w وزنهای انتخابی برای هر داده است .
د) روشهای هموارسازی نمایی
روش هموارسازی‌نمایی یا یکنواخت‌سازی یکی از مطلوب‌ترین روش‌های پیش‌بینی برمبنای یک مدل آماری خودرگرسیونی است. در این روش تنها از اطلاعات مربوط به سری مورد پیش‌بینی استفاده می‌شود و دارای انواع مختلفی از قبیل زیر میباشد: (نیرومند و دیگران، 1389: 135)
1) هموارسازی‌نمایی یگانه یا انفرادی
2) هموارسازی‌نمایی دوگانه یا دوبل
3) هالت – وینترز غیرفصلی
4) هالت – وینترز تجمعی
5) هالت – وینترز ضربی
که هر کدام دارای خاصیتی هستند که متوسط وزنی مشاهدات گذشته را با وزن‌های نسبتاً بیشتر مشاهدات جدید نسبت به مشاهدات قدیمی‌تر، پیش‌بینی می‌نماید که این روش منعکس‌کننده‌ی این واقعیت است که همان‌طور که مشاهدات قدیمی‌تر می‌شوند، اثر وزنی آن‌ها بهصورت نمایی کاهش پیدا می‌کند. با استفاده از تکنیک هموارسازی‌نمایی (ES)، می‌توان با مطالعه‌ی اتفاقات گذشته، رویدادهای آینده را پیش‌بینی نمود. بدین معنی که با بهکار بردن متوسط‌های وزنی برای یکنواخت کردن ارزشهای گذشته، می‌توان مقدار را در دوره‌ی بعدی، پیش‌بینی نمود. منطق حاکم بر مدل هموارسازی‌نمایی یگانه، دوگانه (هموارسازی‌نمایی یگانه با در نظر گرفتن روند) وهالت-وینترز به‌صورت زیر است. (نیرومند، 1389: 137)
روش تعدیل نمایی یگانه، دوگانه و هالت- وینترز
در روش تعدیل نمایی ساده یا یگانه با هدف به صفر رساندن خطای پیش بینی، در صورتی که خطای پیشبینی مثبت یا منفی باشد، مقادیر پیشبینی به ترتیب کاهش یا افزایش مییابد بهعنوان مثال وقتی خطاها بزرگ هستند (مثبت هستند)، مقادیر پیشبینی افزایش مییابد و بالعکس. این فرآیند آنقدر تکرار می شود که خطا به سمت صفر میل کند. بدین ترتیب پیشبینی جدید برابر با پیشبینی قدیم بعلاوه کسری از خطا (پارامتر تعدیل ()) است.
این روش بهصورت رابطه (2-16) تعریف میشود.
Pt+1 = Pt + α.et (2-16)
در رابطه فوق : مقدار پیش‌بینی شده در زمان
: مقدار پیش‌بینی شده در زمان t
: ضریب ثابت هموارسازی نمایی
دسته بندی : علمی