مستقل: سه ضریب ناهمواری، ضریب گردی و شاخص زهکشی حوضه با بهره گرفتن از آمار دبی
وابسته: میزان رسوب

در خلال سال ۱۳۹۰

۱٫پیش بینی بار رسوبات جریان رودخانه سمنگان توسط شبکه های عصبی مصنوعی امکان پذیر است
۲٫ شبکه های عصبی مصنوعی در مقایسه با مدل های رگرسیونی عملکرد بهتری برای پیش بینی بار رسوبات جریان رودخانه دارند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

ندارد.

عملکرد ضعیفتر مدل های رگرسیونی برای پبش بینی در مقایسه با شبکه های عصبی مصنوعی نتیجه اصلی تحقیق است.

پژوهش حاضر به بررسی جریان مسیر رودخانه ها پرداخته ولی پژوهش ما در حوزه بورس اوراق بهادار و درارتباط با قیمت و بازده است.

فصل سوم

روش شناسی تحقیق

۳-۱ مقدمه

روش تحقیق مجموعه‌ای از قواعد، ابزار و راه‌های معتبر (قابل اطمینان) و نظام یافته برای بررسی واقعیت‌ها، کشف مجهولات و دستیابی به راه حل مشکلات است(خاکی، ۱۳۷۸). روش‌های پژوهش در واقع ابزارهای دستیابی به هدف به شمار می‌روند. بنابراین شناخت واقعیت‌های موجود و پی بردن به روابط میان آنها مستلزم انتخاب روش تحقیق مناسب است. در واقع می‌توان گفت که اثر بخشی یک کار تحقیقی منوط به انتخاب درست روش تحقیقی است که متناسب با آن تحقیق خاص باشد.
انتخاب روش تحقیق یکی از مراحل مهم انجام تحقیق است. روش تحقیق، فرایند نظام مند و هدف دار برای پاسخ به سوالات تحقیق می باشد(احمدی،۱۳۹۱). روش های مختلفی در تحقیقات علمی به کار گرفته می شود و این روش ها نیز به صورت مختلف طبقه بندی شده اند. روشی که در این پژوهش به منظور بررسی موضوع مورد استفاده قرار می گیرد مبتنی بر یک روش علمی است و نیز برای هر پژوهش علمی مراحلی وجود دارد که بر اساس متدولوژی علمی رعایت آنها ضروری است. هدف از انتخاب روش تحقیق این است که پژوهشگر مشخص نماید که چه شیوه و روشی را اتخاذ نماید تا او را هر چه دقیق‌تر و آسان‌تر به پاسخ های احتمالی برساند.
در این فصل مروری بر روش انجام کار و فرضیات و الگوی مورد استفاده در تحقیق، به روشهایی که در تجزیه و تحلیل تحقیق مورد استفاده قرار می گیرد اشاره خواهد شد. سپس جامعه آماری، نمونه آماری، شیوه گردآوری اطلاعات، ابزارهای اندازه گیری و روش های آماری مورد استفاده جهت آزمون فرضیه های تحقیق تشریح می شود.

۳-۲: روش تحقیق

روش تحقیق مجموعه‌ای از قواعد، ابزارها و راه های معتبر(قابل اطمینان) و نظام یافته برای بررسی واقعیت ها، کشف مجهول ها و دستیابی به راه حل مشکلات است (خاکی، ۱۳۸۸). تحقیق حاضر بر اساس روش و هدف به صورت زیر دسته‌بندی می‌شود:

۳-۲-۱: طبقه‌بندی بر اساس روش

با توجه به مساله و هدف اصلی این تحقیق که به دنبال پیش بینی قیمت و بازده سهام با بهره گرفتن از شبکه های عصبی مصنوعی و مقایسه آن با رگرسیون خطی در شرکت های سرمایه گذاری پذیرفته شده در بورس اوراق بهادار تهران می باشد، روش تحقیق بکارگرفته شده در این پژوهش، توصیفی- پیمایشی است. در تحقیق توصیفی به توصیف جزء به جزء یک موقعیت یا یک رشته شرایط می‌پردازیم. زیرا به جمع‌ آوری اطلاعات برای آزمون فرضیه یا پاسخ به سوال های مربوط به وضعیت فعلی موضوع مورد مطالعه می پردازد. این نوع از تحقیق شامل جمع آوری اطلاعات برای آزمون فرضیه ها یا پاسخ به سوالات مربوط به وضعیت فعلی موضوع مورد مطالعه است.

۳-۲-۲ : طبقه‌بندی بر اساس هدف

تحقیق حاضر با توجه به هدف، از نوع کاربردی همچنین تحقیق حاضر از این لحاظ که مدیران عالی سازمان ها و شرکت ها از نتایج این تحقیق بهره ببرند کاربردی می‌باشد.

۳-۳: ابزار گردآوری داده ها

ابزار سنجش و اندازه‌گیری وسایلی هستند که محقق به کمک آنها می‌تواند اطلاعات مورد نیاز را برای تجزیه و تحلیل و بررسی پدیده مورد مطالعه و نهایتاً کشف حقیقت گردآوری نماید(فرهنگی و صفرزاده، ۱۳۸۵). گردآوری داده‌های مورد نیاز تحقیق، یکی از مراحل اساسی آن است. ابزار سنجش و اندازه‌گیری وسایلی هستند که محقق به کمک آنها می‌تواند اطلاعات مورد نیاز تحقیق خود را گردآوری، ثبت و کمّی نماید(حافظ نیا، ۱۳۸۲). بنابراین برای به دست آوردن داده‌ها ابزار گوناگونی مانند مشاهده، مصاحبه، پرسش‌نامه و مدارک و اسناد وجود دارند. که هر یک از این ابزار مزایا و معایبی دارند(خاکی، ۱۳۸۷). در این تحقیق برای جمع آوری داده ها و اطلاعات، ابتدا از روش کتابخانه ای استفاده به عمل آمده است. در بخش کتابخانه ای، مبانی نظری تحقیق از کتب و مجلات تخصصی فارسی و لاتین گردآوری شده و سپس داده های پژوهش از طریق جمع آوری داده های شرکت های منتخب با مراجعه به صورت های مالی، یادداشت های توضیحی، گزارش های هفتگی‏، سایت ها، ماهنامه بورس اوراق بهادار و با بهره گرفتن از نرم افزارهای ره آورد نوین و تدبیر پرداز انجام گردید.

۳-۴: روش تجزیه تحلیل داده ها

پس از بیان فرضیه ‌های تحقیق، مدل ها و متغیرهای مورد نیاز برای آزمون به تجزیه و تحلیل آنها پرداخته خواهد شد. داده های مورد نیاز جهت آزمون فرضیه‌ های تحقیق به عنوان منبعی برای تجزیه و تحلیل استفاده خواهند شد. برای تجزیه و تحلیل اطلاعات گردآوری شده از روش های آمار توصیفی، آمار استنباطی و همچنین رسم جداول استفاده خواهد شد. استفاده از آمار توصیفی با هدف تلخیص اطلاعات جمع آوری شده و شناخت بیشتر جامعه مورد بررسی صورت خواهد پذیرفت. زیرا هدف آمار توصیفی، توصیف، استخراج نکات اساسی و ترکیب اطلاعات به کمک زبان اعداد است. هدف آمار استنباطی، به طور کلی انجام استنباط درباره پارامترهای جامعه از طریق تجزیه و تحلیل اطلاعات موجود در داده‌های نمونه و همچنین سنجش عدم اطمینانی است که در این استنباط ها وجود دارد. در این راستا فرضیه های تحقیق با روش های مناسب آماری توسط نرم افزارهای excel و matlab مورد استفاده آزمون قرار خواهند گرفت. نرم افزار اکسل برای گردآوری و دسته بندی اطلاعات و نرم افزار مطلب برای تحلیل اطلاعات مورد استفاده قرار خواهد گرفت. در این مورد در فصل چهار اطلاعات تکمیلی ارائه خواهد شد.

۳-۴-۱ : رگرسیون

در علوم بیولوژیکی، فیزیک و علوم اجتماعی و همین طور در اقتصاد و مهندسی و… الگوهای آماری هم در طرح مراحل تحقیق و هم در تحلیل نتایج بدست آمده مفیدند. در رگرسیون خطی ساده، سعی میکنیم رابطه بین دو یا چند متغیر را الگوسازی کنیم. در واقع تحلیل‌های رگرسیون به مطالعه وابستگی یک متغیر (متغیر وابسته) به یک یا چند متغیر دیگر که معمولاً متغیر مستقل نامیده می‌شوند، می‌پردازد که با تخمین یا پیش‌بینی مقدار متوسط یا میانگین مقادیر متغیر وابسته در حالتی که مقادیر متغیرهای مستقل معلوم یا معین شده باشند صورت می‌پذیرد.
در واقع مفهوم کلیدی در تحلیل رگرسیون، وابستگی آماری یک متغیر، یعنی متغیر وابسته به یک یا چند متغیر دیگر یعنی متغیرهای مستقل است، هدف چنین تحلیلی، تخمین یا پیش‌بینی مقدار متوسط یا میانگین متغیرهای وابسته براساس ارزش های ثابت یا شناخته شده متغیرهای توضیحی است. پاسخ y اغلب تحت تاثیر بیش از یک متغیر است.
مدل رگرسیون چندگانه به صورت زیر بیان می شود:
(۳-۱)
که در آن  متغیر وابسته و  ها متغیرهای مستقل یا پیش‌بینی کننده هستند.
ضرایب متغیرهای مستقل هستند که نامعلومند و به همین خاطر آنها را پارامتر گوییم و باید برآورد شوند.  جمله های خطای تصادفی هستند که ممکن است رخ بدهند. فرض می‌شود که  ها متغیرهای تصادفی نرمال با میانگین صفر و واریانس  توزیع شده‌اند. به عبارتی  .
مدل برازش شده بصورت زیر می‌باشد :
.
برای برآورد پارامترهای موجود در مدل از روش کمترین حداقل مربعات (OLS) استفاده می‌کنیم. برآوردگری که از این روش بدست می آید بصورت زیر می باشد :

که در آن:

برآوردگر فوق دارای ویژگی‌های زیر می‌باشد:
نااریب است به عبارتی:
دارای کمترین واریانس در بین همه برآوردگرهای خطی است یعنی اگر  هر برآوردگر خطی دلخواه باشد آنگاه داریم:
مدل های رگرسیونی برای مقاصدی چند مشتمل بر موارد زیر مورد استفاده قرار می گیرند:
توصیف داده ها
برآورد پارامترها
پیشگویی و برآورد
کنترل

۳-۴-۲: روش کار شبکه های عصبی

در این مطالعه از روش شبکه عصبی استفاده شده است . اساس شبکه های عصبی مصنوعی در واقع شبیه سازی تفکر مغز انسان از طریق مدل سازی سلول های عصبی می باشد. هر سلول عصبی به عنوان یک واحد پردازشگر عددی عمل می کند. نرون های شبکه با هم در ارتباط بوده و به صورت موازی کار می کنند. مغز انسان شامل تعداد فراوانی از “نرون “هاست، این نورون ها از طریق شاخه هایی به نام “اکسون” به یکدیگر مرتبطند و همگی آنها درشبکه ای قرار می گیرند که “شبکه عصبی بیولوژیک” نامیده می شود. هر شبکه عصبی مصنوعی یک سیستم کامپیوتری است که از نظر خصوصیات و چگونگی فعالیت ها شبیه به شبکه عصبی بیولوژیک می باشد. به زبان ساده یک شبکه عصبی مصنوعی، مجموعه ای از نرون های مصنوعی است که از طریق اتصال هایی که “ارتباطات” نامیده می شود، با یکدیگر در ارتباط هستند. هدف یک شبکه عصبی مصنوعی دستیابی به توانایی های شبکه عصبی بیولوژیک نظیر شناسایی الگوها، رده بندی، به خاطر سپردن و حل مسائل پیچیده می باشد. از آنجا که ساختار مدل واقعی ناشناخته است، داده خام در شبکه های عصبی جمع آوری شده و فرایند یادگیری در شبکه به اجرا در می آید. پس از آن شبکه ها توانایی شناسایی الگوها در همان زمینه را خواهند داشت. در کاربرد شبکه های عصبی، علاوه بر انتخاب نوع شبکه عصبی مناسب و الگوریتم یادگیری مربوط، انتخاب نوع متغیرهای ورودی نیز بسیار حائز اهمیت است، چرا که اگرمتغیرها به طور مناسب انتخاب نشوند ممکن است شبکه در همان مرحله آموزش متوقف شود.