مبانی نظری و پیشینه تحقیق تعاریف،مفاهیم ومدلهای پيش بيني

دانلود ادبیات نظری و پیشینه تحقیق پيش بيني و مدل هاي پيش بيني (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:

تعريف پيش بيني
در يک تعريف کلي، فرايند پيشگويي شرايط و حوادث آينده را پيش بيني ناميده و چکونگي انجام اين عمل را پيش بيني کردن ناميده مي شود (بوکوتا، 2002).
هر سازماني جهت تصميم گيري آگاهانه بايد قادر به پيش بيني کردن باشد. از آنجايي که پيش بيني وقايع آينده در فرآيند تصميم گيري در سازمان نقش عمده اي را ايفا مي کند، پيش-بيني کردن براي بسياري از سازمانها و نهادها حائز اهميت بالقوه اي است. بنابراين بيشتر تصميمات مديريت در تمام سطوح سازمان به طور مستقيم و يا غير مستقيم به حالتي از پيش بيني آينده بستگي دارد.
در مديريت استراتژيک، پيش بيني شرايط عمومي اقتصاد، نوسانات قيمت و هزينه ي تغييرات تکنولوژي، رشد بازار و امثال آن در ترسيم آينده بلند مدت شرکت موثر است. به همين دليل است که کنترل هر فرايند، منوط به پيش بيني رفتار دوره فرآيند در آينده است. براي مثال ممکن است که در يک دوره فرآيند دستگاهي بيش از حد معين کار کند و تعداد اقلام معيوب توليد شده افزايش يابد. بنابراين براي شناسايي به موقع اين نقص بايد از روش هاي مناسب پيش بيني استفاده نموده و نسبت به تصحيح و يا حذف آن با توجه به شرايط موجود اقدام نمود (ريفنس، 1997).

مدل هاي پيش بيني
ابزارهاي عيني و رياضي که براي پردازش و تجزيه و تحليل داده ها مورد استفاده قرار مي گيرند مدل هاي پيش بيني ناميده مي شوند. به عبارت ديگر، الگويي از يک واقعيت که ساده و کوچک شده و روابط بين متغيرهاي آن واقعيت يا سيستم را نشان مي د هد، مدل خوانده مي شود. بنابراين، هنگامي که متغيرهاي مورد نظر به صورتي منظم، ساده و قابل فهم در جهت اهداف پيش بيني در کنار يکديگر قرار گرفتند و الگويي از روابط را بوجود آوردند، يک مدل پيش بيني شکل مي گيرد.

سري هاي زماني
به روند مقادير يک متغير در طول زمان که به صورت دوره هاي زماني با فواصل معين و يکسان تنظيم شده اند سري زماني گفته مي شود. در تحليل سري زماني وضعيت تغييرات يک متغير در گذشته مورد بررسي قرارگرفته و به آينده تعميم داده مي شود. به طور کلي مدل هايي که در تحليل سري هاي زماني مورد استفاده قرار مي گيرند به دو دسته مدل هاي خطي و غير-خطي تقسيم مي شوند.
مدل هاي خطي مانند مدل هاي باکس ـ جنکينز و يکنواخت سازي نمايي براي سري هاي زماني خطي مناسب هستند، ولي در مدل-سازي سري هاي زماني مالي و غير خطي با مشکل مواجه مي شوند.
مدل هاي غير خطي از قبيل مدل هاي غير کاهنده آستانه اي، يک تابع غير خطي خاص و از پيش تعيين شده را پيش بيني مي کنند. به عبارتي تابع خطي مورد استفاده در اين روش ها مشخص است. نوع ديگر مدل هاي غير خطي شبکه هاي عصبي مصنوعي هستند که مي توانند هر تابعي را تخمين بزنند و فرايندهاي با رفتار ناشناخته را مدل نمايند.



فهرست مطالب به شرح زیر میباشد:
پيش بيني و مدل هاي پيش بيني
تعريف پيش بيني
مدل هاي پيش بيني
سري هاي زماني
مدل باکس ـ جنکينز
بحث هاي کلي مدل
الف- مدل اتورگرسيوAR(p)
ب) مدل ميانگين متحرکMA(Q)
ج) مدل ARMA(p,q)
د) مدل آريما(p,d,q)
ه) شرايط پاياپذيري سري هاي زماني پيش بيني از طريق مدل باکس ـ جنکينز
شبکه هاي عصبي مصنوعي
ساختار کلي شبکه هاي عصبي
عملکرد شبکه هاي عصبي
مزاياي استفاده از شبکه عصبي مصنوعي
قابليت يادگيري
قابليت تعميم
پردازش موازي (قابليت بالا بودن سرعت)
مقاوم بودن (قابليت تحمل آسيب، تحمل پذيري خطا ها، قابليت ترميم)
انواع توابع تبديل
انواع شبکه هاي عصبي
الف) شبکه هاي عصبي پيش خور
ب) شبکه هاي عصبي پس خور
شبکه عصبي پروسپترون چند لايه
معيارهاي ارزيابي خطا
پيشينه پژوهش
1.1.1 مطالعات داخلي
1.1.2 مطالعات خارجي
2 منابع و ماخذ