سايت مقالات فارسی – 
بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی قیمت آن  …

سايت مقالات فارسی – بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی قیمت آن …

۴-۸-داده‌های دور افتاده

در این مرحله می‌خواهیم داده‌های دور افتاده رابااستفاده از نرم افزار Minitab 16 پیدا کنیم.طبق شکل زیر که از نرم افزار Minitab 16 استخراج شده است نمودار Boxplot جهت پیدا کردن مقادیر outlier استفاده می‌شود.
Graph>Boxplot
State>Eda>Boxplot

شکل ۴-۲-شمای کلی از نرم افزار Minitab 16 در پیدا کردن داده‌های دور افتاده

در این مرحله با بررسی فیلدهای عددی مقادیر دور افتاده به دست می‌آیند.
می خواهیم داده‌های دور افتاده را پیدا کنیم نمودار باکس پلات را برای هر کدام از خصیصه ها اجرا می‌کنیم نتایج حاکی از آن است که هیچ داده پرتی در بین داده ها وجود ندارد.

دانلود متن کامل این پایان نامه در سایت abisho.ir

۴-۹-تکنیک‌های مورد استفاده

در این تحقیق داده ها از منابع مختلف جمع آوری شده است و برای ارزیابی فاکتورهای موثر در پیش بینی قیمت طلا، از تکنیک‌های مختلف داده کاوی همانند، regression،سری‌های زمانی و شبکه‌های عصبی استفاده شده است که ابتدا شرح مختصری از هر تکنیک بیان شده و در ادامه نتایج بدست آمده از هر الگوریتم توصیف می گردد.

۴-۱۰-پیش بینی با استفاده از شبکه‌های عصبی

دراین قسمت،داده ها با شبکه‌های عصبی مدل MLP و RBF مورد آزمایش و بررسی قرار گرفته و در نهایت خطاها و میزان دقت پیش بینی ها به دست آمده و سپس با هم مورد مقایسه قرار می‌گیرند.

۴-۱۰-۱-پیش بینی با استفاده از شبکه‌های عصبی متد MLP

یکی از مرسوم ترین انواع شبکه‌های عصبی،شبکه عصبی پرسپترون چند لایه (MLP) است که به طور موفقیت آمیزی در بازه وسیعی از کاربردها از جمله پیش بینی ها مورد استفاده قرار گرفته است.هنگام کار با شبکه‌های عصبی [۳۳]MLP با دو مسئله روبرو هستیم:انتخاب معماری مناسب و انتخاب الگوریتم آموزشی مناسب.معماری مناسب به معنی انتخاب بهینه تعداد لایه ها،تعداد نرون ها در هر لایه و نوع تابع تحریک هر نرون می‌باشد و معماری بهینه شبکه‌های عصبی مبتنی بر مجموعه داده ها و ویژگی‌های آنهاست.الگوریتم‌های آموزشی متنوعی جهت آموزش شبکه‌های عصبی به کار می‌رود.متداول ترین الگوریتم آموزشی این شبکه ها،الگوریتم پس انتشار خطا می‌باشد.در الگوریتم پس انتشار خطا[۳۴] در هر مرحله مقدار خروجی محاسبه شده جدید، با مقدار واقعی مقایسه شده و با توجه به خطای به دست آمده به اصلاح وزن‌های شبکه پرداخته می‌شود.به نحوی که در انتهای هر تکرار اندازه خطای حاصله کمتر از میزان به دست آمده در تکرار قبلی باشد.
.

این مطلب را هم بخوانید :  سامانه پژوهشی - بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی قیمت آن ...

جدول ۴-۷-دقت پیش بینی با استفاده از شبکه عصبی متد MLP

دقت پیش بینی
با بررسی عوامل پیشین
دقت پیش بینی با بررسی عوامل عنوان شد
ه در پژوهش
داده‌های تست داده‌های اموزش
۹۴٫۱ ۹۹٫۴ ۵۰% ۵۰%
۹۶٫۵ ۹۹٫۵ ۴۵% ۵۵%
۹۶٫۶