ادبیات نظری و پیشینه تحقیق پیش بینی و مدل های پیش بینی (فصل دوم)

دانلود ادبیات نظری و پیشینه تحقیق پیش بینی و مدل های پیش بینی (فصل دوم) در 43 صفحه در قالب word , قابل ویرایش ، آماده چاپ و پرینت جهت استفاده.


مشخصات محصول:
توضیحات: فصل دوم پایان نامه کارشناسی ارشد (پیشینه و مبانی نظری پژوهش)
همراه با منبع نویسی درون متنی به شیوه APA جهت استفاده فصل دو پایان نامه
توضیحات نظری کامل در مورد متغیر
پیشینه داخلی و خارجی در مورد متغیر مربوطه و متغیرهای مشابه
رفرنس نویسی و پاورقی دقیق و مناسب
منبع : انگلیسی وفارسی دارد (به شیوه APA)

کاربردهای مطلب:
منبعی برای فصل دوم پایان نامه، استفاده در بیان مسئله و پیشینه تحقیق و پروپوزال، استفاده در مقاله علمی پژوهشی، استفاده در تحقیق و پژوهش ها، استفاده آموزشی و مطالعه آزاد، آشنایی با اصول روش تحقیق دانشگاهی


قسمتهایی از مبانی نظری:

تعریف پیش بینی
در یک تعریف کلی، فرایند پیشگویی شرایط و حوادث آینده را پیش بینی نامیده و چکونگی انجام این عمل را پیش بینی کردن نامیده می شود (بوکوتا، 2002).
هر سازمانی جهت تصمیم گیری آگاهانه باید قادر به پیش بینی کردن باشد. از آنجایی که پیش بینی وقایع آینده در فرآیند تصمیم گیری در سازمان نقش عمده ای را ایفا می کند، پیش-بینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیت بالقوه ای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیم و یا غیر مستقیم به حالتی از پیش بینی آینده بستگی دارد.
در مدیریت استراتژیک، پیش بینی شرایط عمومی اقتصاد، نوسانات قیمت و هزینه ی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آینده بلند مدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیش بینی رفتار دوره فرآیند در آینده است. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند و تعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقص باید از روش های مناسب پیش بینی استفاده نموده و نسبت به تصحیح و یا حذف آن با توجه به شرایط موجود اقدام نمود (ریفنس، 1997).

مدل های پیش بینی
ابزارهای عینی و ریاضی که برای پردازش و تجزیه و تحلیل داده ها مورد استفاده قرار می گیرند مدل های پیش بینی نامیده می شوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین متغیرهای آن واقعیت یا سیستم را نشان می د هد، مدل خوانده می شود. بنابراین، هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیش بینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیش بینی شکل می گیرد.

سری های زمانی
به روند مقادیر یک متغیر در طول زمان که به صورت دوره های زمانی با فواصل معین و یکسان تنظیم شده اند سری زمانی گفته می شود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده می شود. به طور کلی مدل هایی که در تحلیل سری های زمانی مورد استفاده قرار می گیرند به دو دسته مدل های خطی و غیر-خطی تقسیم می شوند.
مدل های خطی مانند مدل های باکس ـ جنکینز  و یکنواخت سازی نمایی برای سری های زمانی خطی مناسب هستند، ولی در مدل-سازی سری های زمانی مالی و غیر خطی با مشکل مواجه می شوند.
مدل های غیر خطی از قبیل مدل های غیر کاهنده آستانه ای، یک تابع غیر خطی خاص و از پیش تعیین شده را پیش بینی می کنند. به عبارتی تابع خطی مورد استفاده در این روش ها مشخص است. نوع دیگر مدل های غیر خطی شبکه های عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند.



فهرست مطالب به شرح زیر میباشد:
پیش بینی و مدل های پیش بینی
تعریف پیش بینی
مدل های پیش بینی
سری  های زمانی
مدل باکس ـ جنکینز
بحث  های کلی مدل
الف- مدل اتورگرسیوAR(p)
ب) مدل میانگین متحرکMA(Q)
ج) مدل ARMA(p,q)
د) مدل آریما(p,d,q)
ه) شرایط پایاپذیری  سری های زمانی پیش بینی از طریق مدل باکس ـ جنکینز
شبکه  های عصبی مصنوعی
ساختار کلی شبکه  های عصبی
عملکرد شبکه  های عصبی
مزایای استفاده از شبکه عصبی مصنوعی
قابلیت یادگیری
قابلیت تعمیم
پردازش موازی (قابلیت بالا بودن سرعت)
مقاوم بودن (قابلیت تحمل آسیب، تحمل پذیری خطا ها، قابلیت ترمیم)
 انواع توابع تبدیل
 انواع شبکه  های عصبی
الف) شبکه  های عصبی پیش خور
ب) شبکه های عصبی پس خور
شبکه عصبی پروسپترون چند لایه
معیارهای ارزیابی خطا
پیشینه پژوهش
1.1.1    مطالعات داخلی
1.1.2    مطالعات خارجی
2    منابع و ماخذ

 

نحوه دانلود : بلافاصله پس از پرداخت آنلاین قادر به دانلود فایل خواهید بود و همچنین یک نسخه از “لینک دانلود” نیز برای شما ایمیل می شود.