[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
اطلاعات نشریه::
آرشیو مجله و مقالات::
ثبت نام و اشتراک::
ارسال مقاله::
پایگاه‌های مرتبط::
برای داوران::
اخلاق در پژوهش::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
Google Scholar Metrics

Citation Indices from GS

AllSince 2019
Citations4114
h-index32
i10-index00
..
ثبت شده در

AWT IMAGE


..
نماد اعتماد الکترونیکی
..
آمار نشریه
تعداد دوره های نشریه: 18
تعداد شماره ها: 36
تعداد مشاهده ی مقالات: 3132082
تعداد دریافت (دانلود) مقالات: 747250

مقالات دریافت شده: 839
مقالات پذیرفته شده: 336
مقالات رد شده: 485
مقالات منتشر شده: 333

نرخ پذیرش: 40.05
نرخ رد: 57.81

میانگین دریافت تا پذیرش: 414 روز
میانگین دریافت تا اولین داوری: 5.7 روز
میانگین پذیرش تا انتشار: 535.9 روز
____
..
:: جلد 16، شماره 2 - ( 12-1401 ) ::
جلد 16 شماره 2 صفحات 395-373 برگشت به فهرست نسخه ها
بررسی بهبود پیش بینی بازگشتی روش تحلیل مجموعه ی مقادیر تکین در مدل های سری زمانی ساختاری با استفاده از پالایش داده ها و الگوریتم وزنی
رضا ذبیحی مقدم ، مسعود یارمحمدی* ، حسین حسنی ، پرویز نصیری
چکیده:   (1119 مشاهده)
روش تحلیل مجموعه ی مقادیر تکین  (SSA(   یک روش   ناپارامتری قدرتمند  درحوزه­ ی  تحلیل  سری­های  زمانی بوده و به دلیل دارا بودن ویژگی‌هایی نظیر عدم نیاز به برقراری فروض مانایی و یا محدودیت در تعداد مشاهدات جمع آوری شده مورد توجه قرار گرفته است. هدف اصلی روش SSA  تجزیه سری­های زمانی به اجزای تفسیرپذیر مانند روند، مولفه نوسانی و نوفه بدون ساختار است. در سالهای اخیر  تلاش های مستمری از جانب محققان در حوزه های مختلف پژوهشی  در جهت بهبود این روش خصوصاٌ در زمینه­ ی پیش بینی سری های زمانی  صورت گرفته است.   در این مقاله روش جدیدی برای بهبود پیش بینی روش  SSA  با استفاده از الگوریتم فیلتر کالمن در مدل های ساختاری معرفی می شود. سپس کارایی عملکرد این روش و چند روش تعمیم یافته SSA    با روش  SSA پایه با استفاده از معیار ریشه میانگین مربعات خطاها مورد مقایسه قرار می گیرد.  برای انجام این مقایسه، از داده های شبیه سازی شده از مدل های ساختاری و نیز داده های واقعی مصرف گاز در انگستان استفاده شده است.  نتایج به دست آمده از این بررسی نشان می دهد که روش معرفی شده جدید از دقت بیشتری نسبت به سایر روش ها برخوردار است.
شماره‌ی مقاله: 7
واژه‌های کلیدی: پیش بینی، فیلتر کالمن، فضای حالت، تحلیل مجموعه ی مقادیر تکین، پیش بینی بازگشتی
متن کامل [PDF 3073 kb]   (1082 دریافت)    
نوع مطالعه: كاربردي و توسعه ای | موضوع مقاله: سریهای زمانی
دریافت: 1400/10/18 | پذیرش: 1401/12/10 | انتشار: 1401/9/30
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zabihi Moghadam R, Yarmohammadi M, Hassani H, Nasiri P. Investigating the Improvement of Recurrent Forecasting of Singular Spectrum Analysis Method in Structural Time Series Models Using Data Filtration and Weighting Algorithm. JSS 2023; 16 (2) : 7
URL: http://jss.irstat.ir/article-1-791-fa.html

ذبیحی مقدم رضا، یارمحمدی مسعود، حسنی حسین، نصیری پرویز. بررسی بهبود پیش بینی بازگشتی روش تحلیل مجموعه ی مقادیر تکین در مدل های سری زمانی ساختاری با استفاده از پالایش داده ها و الگوریتم وزنی. مجله علوم آماری. 1401; 16 (2) :373-395

URL: http://jss.irstat.ir/article-1-791-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 16، شماره 2 - ( 12-1401 ) برگشت به فهرست نسخه ها
مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences

Persian site map - English site map - Created in 0.06 seconds with 44 queries by YEKTAWEB 4652