- نمونه گیری داخلی[۲۳]: نمونه گیری داخلی یک فرایند نمونه گیری پیوسته از توابع توزیع اصلی متغیرهای تصادفی در طول روند حل میباشد ]۱۷[ .
- کاهش سناریو[۲۴]: این روشها از مجموعه بزرگی از سناریوها که به طور تصادفی تولید میشوند، شروع می شود. مجموعه اصلی به مجموعه جدیدی از اعداد تعریف شدهای کاهش مییابد که تابع توزیع نمایی در آن بر اساس یک ماتریس احتمال داده شده مشابه مجموعه اصلی میباشد. در ]۱۸[ و ]۱۲[ از روشهای کاهش سناریو استفاده شده است.
در این پایان نامه، از روش کاهش سناریو برای تولید درخت سناریو استفاده شده است. ابتدا تعداد زیاد و کافی از سناریوها توسط مدل ARIMA تولید می شود. سپس، از یک روش کاهش سناریو مبتنی بر فاصلهی Kantorovich [۲۵] بین توزیعهای تصادفی برای دستیابی به تعداد کمتر از سناریوها استفاده می شود.
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
تولید سناریو با بهره گرفتن از مدل ARIMA
مدلهای ARIMA روشهای پیش بینی مبتنی بر مدلهای سری زمانی ]۱۹[ است. نام ARIMA معرف “Auto-Regressive Moving Average” میباشد. مدلهای ARIMA توسط سه جزئی (p , d , q) مشخص میشوند که:
- p تعداد عبارتهای auto-regressive ،
- d تعداد تفاوتهای غیرفصلی[۲۶]،
- q تعداد خطاهای عقبافتاده است[۲۷].
فرم کلی مدل ARIMA به این صورت است:
(۲-۷)
که پارامتری است که در زمان باید پیش بینی شود، یک ثابت است، و عبارت خطا است که از یک توزیع نرمال با مقدار متوسطی برابر صفر و انحراف معیار پیروی می کند. اپراتور تأخیر است:
(۲-۸)
از عبارت برای تبدیل سری اصلی به یک سری بدون تغییر استفاده می شود. و به ترتیب چندجملهایهای p و qمیباشند. هر دو چندجملهای به اپراتور تأخیر وابسته هستند.
چندجملهای به این صورت تعریف می شود:
(۲-۹)
که پارامترهای ، ، ضرایب چندجملهای و p دستور عبارت auto-regressive مدل ARIMA است. ازینرو، است.
چندجملهای به این صورت تعریف می شود:
(۲-۱۰)
که پارامترهای ، ، ضرایب چندجملهای و q دستور عبارت auto-regressive از مدل ARIMA است. بنابراین، است.
