Kholase

‫ﺧﻼﺻﻪ ای از ﭘﺎﯾﺎن ﻧﺎﻣﻪ‬

‫ﭘﯿﺶ ﺑﯿﻨﯽ ﺗﻌﺪاد ﻣﺮاﺟﻌﯿﻦ ﺑﻪ ﻣﻨﺎﻃﻖ ﺷﻬﺮداری ﻣﺸﻬﺪ ﺑﻪ ﺗﻔﮑﯿﮏ دﻻﯾﻞ‬ ‫ﻣﺮاﺟﻌﻪ‬

‫ﺑﻪ ﻫﻤﮑﺎری ﺷﻬﺮداری ﻣﺸﻬﺪ‬

‫ﮔﺮدآورﻧﺪه ‪ :‬آرﻣﯿﻦ ﻫﺎﺗﻔﯽ‬

‫از آﻧﺠﺎ ﮐﻪ ﺷﻬﺮدارﯾﻬﺎ ﺑﻪ ﻋﻨﻮان ﺳﺎزﻣﺎن ﻫﺎی ﺧﺪﻣﺖ رﺳﺎن ﻋﻤﻮﻣﯽ ﺗﻠﻘﯽ ﻣﯽ ﺷﻮﻧﺪ‪ ،‬ﺑﻪ ﻧﻈﺮ ﻣﯽ رﺳﺪ در‬ ‫راﺳﺘﺎی اﺻﻞ ﺗﮑﺮﯾﻢ ارﺑﺎب رﺟﻮع و ﺑﺮای ﺳﺎﻣﺎن دﻫﯽ اﻟﮕﻮی ﮐﺎﻣﻞ ﺑﺮای ﺧﺪﻣﺖ رﺳﺎﻧﯽ ﺳﺮﯾﻊ و راﺣﺖ ﺑﻪ‬ ‫ﻣﺮاﺟﻌﻪ ﮐﻨﻨﺪﮔﺎن ﺑﻪ ﺷﻬﺮداری ﻫﺎ ‪ ،‬داﺷﺘﻦ ﯾﮏ اﻟﮕﻮﯾﯽ از ﺗﻌﺪاد ﻣﺮاﺟﻌﯿﻦ ﺑﻪ ﻣﻨﺎﻃﻖ ﺷﻬﺮداری ﻣﺸﻬﺪ‬ ‫ﺿﺮوری ﻣﯽ ﺑﺎﺷﺪ‪ .‬واﯾﻦ ﻣﻄﻠﺐ ﺑﯿﺎﻧﮕﺮ اﻫﻤﯿﺖ ﮐﺎرﻫﺎی ﻋﻠﻤﯽ و اراﺋﻪ ﭘﺮوژه ﻫﺎﯾﯽ ﮐﺎرﺑﺮدی در اﯾﻦ زﻣﯿﻨﻪ ﻫﺎ‬ ‫ﻣﯽ ﺑﺎﺷﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ از ﻣﯿﺎن اوﻟﻮﯾﺖ ﻫﺎی ﺷﻬﺮداری ﻣﺸﻬﺪ ﺑﺮای اﻧﺠﺎم ﭘﺮوژه ﮐﺎرﺷﻨﺎﺳﯽ در رﺷﺘﻪ آﻣﺎر و‬ ‫ﻣﺸﻮرت ﺑﺎ ﻣﺪﯾﺮﯾﺖ آﻣﺎر و ﺗﺤﻠﯿﻞ اﻃﻼﻋﺎت وﻧﯿﺰ اﺳﺘﺎد ﮔﺮاﻧﻘﺪر ﺧﻮد ‪ ،‬دﮐﺘﺮ رﺿﺎﯾﯽ ﺑﻪ اﯾﻦ ﻧﺘﯿﺠﻪ رﺳﯿﺪﯾﻢ‬ ‫ﮐﻪ ﻣﻬﻤﺘﺮﯾﻦ و در ﻋﯿﻦ ﺣﺎل ﮐﺎرﺑﺮدی ﺗﺮﯾﻦ ﻣﻮﺿﻮع ‪ ،‬ﭘﯿﺶ ﺑﯿﻨﯽ ﺗﻌﺪاد ﻣﺮاﺟﻌﯿﻦ ﺑﻪ ﻣﻨﺎﻃﻖ‬ ‫ﺷﻬﺮداری ﻣﺸﻬﺪ ﺑﻪ ﺗﻔﮑﯿﮏ دﻻﯾﻞ ﻣﺮاﺟﻌﻪ ‪ ،‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫داده ﻫﺎی ﻣﻮرد اﺳﺘﻔﺎده در اﯾﻦ ﭘﺮوژه ‪ ،‬ﻣﺮﺑﻮط ﺑﻪ ﻣﯿﺰان ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﻪ ﺷﻬﺮداری ﻣﺸﻬﺪ ازﻣﻬﺮ‪85‬اﻟﯽ‬ ‫اﺳﻔﻨﺪ ‪ 86‬ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﻣﺴﺘﻘﯿﻤﺎً از ﻃﺮﯾﻖ ﻣﺪﯾﺮﯾﺖ آﻣﺎر و ﺗﺤﻠﯿﻞ اﻃﻼﻋﺎت ﺷﻬﺮداری در ﯾﺎﻓﺖ ﺷﺪه اﺳﺖ‬ ‫‪ .‬ﺗﺎ ﺑﺎ اﻧﺠﺎم اﯾﻦ ﭘﺮوژه ‪،‬ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﯿﺰان اﯾﻦ ﻣﺘﻐﯿﺮ ﺑﺮای ﯾﮏ ﺳﺎل آﯾﻨﺪه )ﻓﺮوردﯾﻦ ‪-87‬اﺳﻔﻨﺪ ‪(87‬‬ ‫ﺑﺪﺳﺖ آﯾﺪ‪ .‬ﻧﮑﺘﻪ دﯾﮕﺮی ﮐﻪ ﺑﺎﯾﺪ در اﯾﻨﺠﺎ ﺑﻪ آن ﯾﺎدآور ﺷﺪ اﯾﻦ اﺳﺖ ﮐﻪ ﺗﺤﻠﯿﻞ اراﺋﻪ ﺷﺪه در اﯾﻦ ﭘﺮوژه ‪،‬‬ ‫ﺑﺎاﺳﺘﻔﺎده از ﻧﺮم اﻓﺰار ‪ SAS‬ﻧﺴﺨﻪ ‪ 9.1‬ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫ﭼﺎرﭼﻮب ﮐﻠﯽ ﭘﺮوژه از ﭼﻬﺎر ﻓﺼﻞ ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ ‪ ،‬ﮐﻪ در ﻓﺼﻞ اول ﺑﻪ ﻣﻌﺮﻓﯽ ﻣﻔﺎﻫﯿﻢ اوﻟﯿﻪ و‬ ‫اﺳﺎﺳﯽ در ﯾﮏ ﺳﺮی زﻣﺎﻧﯽ ‪ ،‬ﺷﺎﺧﺺ ﻫﺎ ‪ ،‬وﯾﮋﮔﯽ ﻫﺎ ‪ ،‬آزﻣﻮن ﻫﺎ و آﻣﺎره ﻫﺎﯾﯽ ﮐﻪ در ﻓﺼﻞ ﻫﺎی ﺑﻌﺪی‬ ‫ﻣﻮرداﺳﺘﻔﺎده ﻗﺮار ﻣﯽ ﮔﯿﺮد ‪،‬ﭘﺮداﺧﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬ ‫دﻟﯿﻞ اﺻﻠﯽ اراﺋﻪ ﻓﺼﻞ اول ‪ ،‬اﺑﺘﺪا ﺗﺴﻬﯿﻞ راه ﺑﺮای ﭘﺮوژه ﻫﺎی ﺑﻌﺪی‪ ،‬ﮐﻪ در زﻣﯿﻨﻪ ﺳﺮی زﻣﺎﻧﯽ ﺑﺎ رﻫﯿﺎﻓﺖ‬ ‫ﮐﺎرﺑﺮدی اﻧﺠﺎم ﻣﯽ ﺷﻮد ‪ ،‬ﻣﯽ ﺑﺎﺷﺪ و در ﻧﻬﺎﯾﺖ ﺑﺮای ﮐﺴﺎﻧﯽ ﮐﻪ ﺑﺎ ﻣﺒﺎﺣﺚ ﺳﺮی زﻣﺎﻧﯽ آﺷﻨﺎﯾﯽ ﮐﺎﻓﯽ‬ ‫ﻧﺪارﻧﺪ ﺑﺘﻮان ﺑﻮاﺳﻄﻪ اﯾﻦ ﻓﺼﻞ آﻧﺮا ﺗﺎ ﺣﺪ اﻣﮑﺎن ﻗﺎﺑﻞ ﻓﻬﻢ و آﺳﺎن ﺳﺎﺧﺖ‪.‬‬ ‫از ﻣﻬﻤﺘﺮﯾﻦ ﺗﻌﺎرﯾﻒ وﻣﻔﺎﻫﯿﻤﯽ ﮐﻪ در اﯾﻦ ﻓﺼﻞ اراﺋﻪ ﺷﺪ ﻣﯿﺘﻮان ‪ :‬ﺳﺮی زﻣﺎﻧﯽ وﮔﺸﺘﺎور ﻫﺎی آن‬ ‫ﺷﺎﺧﺺ ﻫﺎی ﯾﮏ ﺳﺮی زﻣﺎﻧﯽ ) ﺗﺎﺑﻊ ﺧﻮد ﻫﻤﺒﺴﺘﮕﯽ وﺧﻮدﻫﻤﺒﺴﺘﮕﯽ ﺟﺰﺋﯽ ﻧﻈﺮی و ﺗﺎﺑﻊ ﺧﻮد‬ ‫ﻫﻤﺒﺴﺘﮕﯽ وﺧﻮدﻫﻤﺒﺴﺘﮕﯽ ﺟﺰﺋﯽ ﻧﻤﻮﻧﻪ ای (‪ ،‬اﺟﺰای اﺳﺎﺳﯽ ﯾﮏ ﺳﺮی زﻣﺎﻧﯽ ازﺟﻤﻠﻪ ‪:‬روﻧﺪ ‪ ،‬ﺗﻐﯿﯿﺮات‬ ‫دوره ای و ﺗﻐﯿﯿﺮات ﻓﺼﻠﯽ ( ﻧﺎم ﺑﺮد‪.‬‬ ‫دﯾﮕﺮ ﺟﺰء اﺳﺎﺳﯽ ﯾﮏ ﺳﺮی زﻣﺎﻧﯽ ‪ ،‬اﺛﺮات ﺗﺼﺎدﻓﯽ اﺳﺖ ﮐﻪ ﻧﺎﺷﯽ از ﻏﯿﺮ از ﻣﻮارد ﻓﻮق وﯾﺎ ﻧﺎﺷﯽ از ﺑﺮاﯾﻨﺪ‬ ‫اﺛﺮات ﻓﻮق اﺳﺖ ﮐﻪ ﺗﺤﺖ ﻋﻨﻮان ﺗﻐﯿﯿﺮات ﻧﺎﻣﻨﻈﻢ ﯾﺎد ﻣﯽ ﺷﻮد و ﻣﻌﻤﻮﻻً در ﯾﮏ ﺳﺮی زﻣﺎﻧﯽ ﻋﺎﻣﻞ ﻏﯿﺮ‬ ‫ﻗﺎﺑﻞ ﮐﻨﺘﺮل اﺳﺖ‪.‬‬ ‫ﺑﻨﺎﺑﺮاﯾﻦ ﻫﻨﺮ ﯾﮏ ﺑﺮرﺳﯽ ﻣﻨﺎﺳﺐ اﯾﻦ اﺳﺖ ﮐﻪ ﺑﺎ ﮐﻨﺎر زدن ﺗﻐﯿﯿﺮات ﻧﺎﻣﻨﻈﻢ ﮐﻪ ﺟﺰء ﻻ ﯾﻨﻔﮏ ﯾﮏ ﺳﺮی‬ ‫زﻣﺎﻧﯽ اﺳﺖ ﺑﻪ ﺷﻨﺎﺳﺎﯾﯽ ﻫﺮﯾﮏ از اﺟﺰاء ﺳﺮی زﻣﺎﻧﯽ ﺑﭙﺮدازد‪.‬‬ ‫ﻓﺮآﯾﻨﺪ ﺗﺼﺎدﻓﯽ ﻣﺤﺾ ‪:‬‬ ‫ﻓﺮاﯾﻨﺪ } ‪ {at‬را ﻓﺮآﯾﻨﺪ ﺗﺼﺎدﻓﯽ ﻣﺤﺾ ﮔﻮﺋﯿﻢ ﻫﺮ ﮔﺎه ‪:‬‬

‫‪(1‬‬ ‫‪(2‬‬

‫‪∀t ; E (at ) = 0‬‬ ‫‪∀t ; Var (at ) = 0‬‬ ‫‪∀t ≠ t ′; Cov(at , at′ ) = 0‬‬

‫‪(3‬‬ ‫‪ (4‬ﺗﻮرﯾﻊ ‪ at‬ﻫﺎ ﯾﮑﺴﺎن ﺑﺎﺷﻨﺪ‬ ‫ﻓﺮآﯾﻨﺪ ﺗﺼﺎدﻓﯽ ﻣﺤﺾ ‪ ،‬ﯾﮏ ﻓﺮآﯾﻨﺪ اﯾﺴﺘﺎ اﺳﺖ ﮐﻪ ﺗﺎﺑﻊ ﺧﻮد ﻫﻤﺒﺴﺘﮕﯽ و ﺗﺎﺑﻊ ﺧﻮد ﻫﻤﺒﺴﺘﮕﯽ ﺟﺰﺋﯽ آن‬ ‫ﺑﺼﻮرت زﯾﺮ اﺳﺖ‪.‬‬ ‫‪1 k = 0‬‬ ‫‪0 k ≠ 0‬‬

‫‪ρ k = ρ kk = ‬‬

‫ﺑﻪ ﺑﯿﺎن دﯾﮕﺮ ﻓﺮآﯾﻨﺪ ﺗﺼﺎدﻓﯽ ﻣﺤﺾ را ﻣﯽ ﺗﻮان ﻫﻤﺎن ﺿﺮﺑﻪ ﺗﺼﺎدﻓﯽ ﯾﺎ ﺗﻐﯿﺮات ﻧﺎ ﻣﻨﻈﻢ و اﻏﺘﺸﺎﺷﺎت ﻏﯿﺮ‬ ‫ﻗﺎﺑﻞ ﮐﻨﺘﺮل ﮐﻪ ﺟﺰء ﻻ ﯾﻨﻔﮏ در ﺳﺮی زﻣﺎﻧﯽ اﺳﺖ ‪ ،‬داﻧﺴﺖ‪.‬‬ ‫ﻣﺪل ﻫﺎی ﺑﺎﮐﺲ – ﺟﻨﮑﯿﻨﺰ )‪( Box-Jenkins Modeling‬‬ ‫ﺑﺮای ﯾﮏ ﭘﯿﺶ ﺑﯿﻨﯽ دﻗﯿﻖ اﺑﺘﺪا ﺑﺎﯾﺪ ﺑﺘﻮان ﯾﮏ ﻣﺪل آﻣﺎری ﻣﻨﺎﺳﺐ و ﮐﺎرا ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﯿﻦ ﺑﻪ‬ ‫ﻣﻨﺎﻃﻖ ﺷﻬﺮداری ﺑﺪﺳﺖ آورده و ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از اﯾﻦ ﻣﺪل ‪ ،‬ﺑﺮآورد و ﭘﯿﺶ ﺑﯿﻨﯽ دﻗﯿﻖ ﺑﺮای ﻣﯿﺰان‬ ‫اﯾﻦ ﻣﺘﻐﯿﺮ در آﯾﻨﺪه ﺑﺪﺳﺖ آورد ‪.‬‬ ‫در ﻣﺒﺎﺣﺚ ﺳﺮی زﻣﺎﻧﯽ ‪ ،‬روش ﻫﺎی ﺑﺴﯿﺎرﮔﻮﻧﺎﮔﻮﻧﯽ ﺑﺮای ﺑﺮازش دادن ﯾﮏ ﻣﺪل ﻣﻨﺎﺳﺐ ﺑﻪ داده ﻫﺎ وﺟﻮد‬ ‫دارد ﮐﻪ ﯾﮑﯽ از ﻣﻌﺘﺒﺮﺗﺮﯾﻦ و ﻣﻬﻤﺘﺮﯾﻦ روش ﻫﺎی ﺑﺮازش ﻣﺪل ‪ ،‬ﻣﺪل ﻫﺎی ﺑﺎﮐﺲ‪ -‬ﺟﻨﮑﯿﻨﺰ اﺳﺖ‪ -‬ﮐﻪ در‬ ‫اﯾﻦ ﭘﺮوژه از ﻫﻤﯿﻦ روش ﺑﺮای ﺑﺮازش اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪.‬‬ ‫ﺳﺎﺧﺘﺎر روش ﻫﺎی ﺑﺎﮐﺲ – ﺟﻨﮑﯿﻨﺰ را ﻣﯽ ﺗﻮان در ﯾﮏ روﯾﻪ )ﺑﺮﻧﺎﻣﻪ ( ﺗﮑﺮاری ﭼﻬﺎر ﮔﺎﻣﯽ ﺟﺎ داد ﮐﻪ ﺑﻪ‬ ‫ﻧﮕﺎﻫﯽ اﺟﻤﺎﻟﯽ ﺑﻪ ﺑﺮرﺳﯽ ﻫﺮ ﯾﮏ از اﯾﻦ ﮔﺎم ﻫﺎ و ﻃﺮﯾﻘﻪ اﺳﺘﻔﺎده آﻧﻬﺎ ﺑﺮای رﺳﯿﺪن ﺑﻪ ﯾﮏ ﻣﺪل ﻣﻌﺘﺒﺮ ﻣﯽ‬ ‫ﭘﺮدازﯾﻢ ‪.‬‬ ‫اﯾﻦ ﭼﻬﺎر ﮔﺎم ﻋﺒﺎرﺗﺴﺖ از ‪:‬‬ ‫ﮔﺎم اول‪ ،‬ﻣﻌﺮﻓﯽ ﯾﮏ ﻣﺪل ﺷﻬﻮدی – ﺗﺠﺮﺑﯽ)‪( Tentative Identification‬‬ ‫ازداده ﻫﺎی ﻗﺒﻠﯽ ﺑﺮای ﻣﻌﺮﻓﯽ ﺷﻬﻮدی ﯾﮏ ﻣﺪل ﻣﻨﺎﺳﺐ ﺑﺎﮐﺲ‪ -‬ﺟﻨﮑﯿﻨﺰ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ‪ .‬ﻣﺪل ﻫﺎی‬ ‫ﺑﺎﮐﺲ – ﺟﻨﮑﯿﻨﺰ ﺑﺮ ﺣﺴﺐ ﻧﻮع داده ﻫﺎ ) ﻣﻘﺎدﯾﺮ ﺳﺮی زﻣﺎﻧﯽ ( ﺑﻪ دو ﺷﮑﻞ ﻋﻤﺪه ﻧﻤﺎﯾﺶ داده ﻣﯽ ﺷﻮﻧﺪ‪:‬‬ ‫اﻟﻒ( ﻣﺪل ﻫﺎی ﻏﯿﺮ ﻓﺼﻠﯽ ﺑﺎﮐﺲ‪-‬ﺟﻨﮑﯿﻨﺰ‬ ‫ب( ﻣﺪل ﻫﺎی ﻓﺼﻠﯽ ﺑﺎﮐﺲ – ﺟﻨﮑﯿﻨﺰ‬ ‫ﻣﺪل ﻫﺎی ﻏﯿﺮ ﻓﺼﻠﯽ ﺑﺎﮐﺲ‪-‬ﺟﻨﮑﯿﻨﺰ را ﻣﻌﻤﻮﻻً ﺑﻪ دو ﺷﮑﻞ ﻋﻤﺪه زﯾﺮ ﺗﻔﮑﯿﮏ ﻣﯽ ﮐﻨﻨﺪ‬ ‫ﻣﺪل ﻫﺎی ﻣﯿﺎﻧﮕﯿﻦ ﻣﺘﺤﺮک )‪( Moving Average Models‬‬ ‫ﻣﺪل ﻫﺎی اﺗﻮرﮔﺮﺳﯿﻮ)‪(Autoregressive‬‬

‫در اﯾﻦ ﮔﺎم ﺑﺎ اﺳﺘﻔﺎده از وﯾﮋﮔﯽ ﻫﺎو ﺷﺎﺧﺺ ﻫﺎی ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮد ﻣﻌﺮﻓﯽ ﺷﺪه ﺑﺮای ﻫﺮ ﻣﺪل ‪ ،‬ﺳﻌﯽ ﻣﯽ‬ ‫ﺷﻮد ﯾﮏ ﻣﺪل ﺷﻬﻮدی و اوﻟﯿﻪ ﺑﺮای داده ﻫﺎ اراﺋﻪ داد‪.‬‬ ‫ﮔﺎم دوم‪ ،‬ﺑﺮآورد )‪( Estimation‬‬ ‫اﺳﺘﻔﺎده از داده ﻫﺎی ﻗﺒﻠﯽ ﺑﺮای ﺑﺮآورد ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل ای ﮐﻪ در ﮔﺎم اول ﻣﻌﺮﻓﯽ ﺷﺪه اﺳﺖ‪.‬‬ ‫ﮔﺎم ﺳﻮم‪ ،‬ارزﯾﺎﺑﯽ )‪( Evaluation‬‬ ‫ﺑﻌﺪ از اﯾﻨﮑﻪ ﻣﻌﻨﺎداری ﺗﻤﺎﻣﯽ ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل ﺑﺪﺳﺖ آﻣﺪه ‪،‬ﺛﺎﺑﺖ ﺷﺪ ﻧﻮﺑﺖ ﺑﻪ ﮔﺎم ﺳﻮم‪ ،‬ارزﯾﺎﺑﯽ ﻣﺪل‬ ‫ﮐﻠﯽ‪ ،‬در ﺳﺎﺧﺘﺎر ﻣﺪل ﻫﺎی ﺑﺎﮐﺲ‪ -‬ﺟﻨﮑﯿﻨﺰ ﻣﯽ ﺷﻮد‪ .‬ﺑﻬﺘﺮﯾﻦ ﺷﺎﺧﺺ ﺑﺮای ارزﯾﺎﺑﯽ ‪ ،‬ﮐﺎراﯾﯽ و ﮐﯿﻔﯿﺖ ﮐﻞ‬ ‫ﻣﺪل ﺑﺎﮐﺲ‪ -‬ﺟﻨﮑﯿﻨﺰ‪ ،‬ﺗﺤﻠﯿﻞ روی ﺑﺎﻗﯿﻤﺎﻧﺪه ﻫﺎی ﻣﺪل اﺳﺖ‪ .‬ﺑﺮاﺳﺎس ﻓﺮﺿﯿﻪ ﮐﻠﯽ در ﻣﺪل ﻫﺎی ﺑﺎﮐﺲ‪-‬‬ ‫ﺟﻨﮑﯿﻨﺰ ‪ ،‬ﻣﺪل زﻣﺎﻧﯽ ﻣﻨﺎﺳﺐ اﺳﺖ ﮐﻪ ﺑﺎﻗﯿﻤﺎﻧﺪه ﻫﺎی ﻣﺪل ﺑﺎﯾﺪ از ﻓﺮآﯾﻨﺪ ﺗﺼﺎدﻓﯽ ﻣﺤﺾ ﺑﺎﺷﺪ‪.‬‬ ‫ﮔﺎم ﭼﻬﺎرم‪،‬ﭘﯿﺶ ﺑﯿﻨﯽ )‪( Forecasting‬‬ ‫ﺑﻌﺪ از اﯾﻨﮑﻪ ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺪﺳﺖ آﻣﺪ و ﻣﻌﻨﺎداری ﻣﺪل ﺛﺎﺑﺖ ﺷﺪ آﻧﮕﺎه ﻧﻮﺑﺖ ﺑﻪ ﮔﺎم ﭼﻬﺎرم ‪،‬ﭘﯿﺶ ﺑﯿﻨﯽ‬ ‫ﻣﻘﺎدﯾﺮ آﯾﻨﺪه ﺳﺮی زﻣﺎﻧﯽ ﻣﯽ رﺳﺪ ﮐﻪ در اﯾﻦ ﭘﺮوژه ﺳﻌﯽ ﺷﺪه ﺗﺎ ‪12‬ﻣﺎه آﯾﻨﺪه )ﻓﺮوردﯾﻦ‪-87‬اﺳﻔﻨﺪ‪(87‬‬ ‫ﭘﯿﺶ ﺑﯿﻨﯽ ﺷﻮد ‪.‬‬

‫ﺗﻌﯿﯿﻦ ﻣﻬﻤﺘﺮﯾﻦ دﻻﯾﻞ ﻣﺮاﺟﻌﻪ‬ ‫ﺑﺪﻟﯿﻞ ﺗﻌﺪد دﻻﯾﻞ ﻣﺮاﺟﻌﻪ ﺑﻪ ﺷﻬﺮداری واز ﻃﺮف دﯾﮕﺮ ﻋﺪم اﻣﮑﺎن ﺑﺮرﺳﯽ و اراﺋﻪ ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺮای ﺗﻌﺪاد‬ ‫ﻣﺮاﺟﻌﺎت ﺑﺮای ﻫﻤﮕﯽ اﯾﻦ دﻻﯾﻞ ؛ ﺳﻌﯽ ﻣﯽ ﮐﻨﯿﻢ ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از آﻣﺎر ﺗﻮﺻﯿﻔﯽ ‪ ،‬ﺳﻪ ﻋﺎﻣﻠﯽ را ﮐﻪ‬ ‫ﺑﯿﺸﺘﺮﯾﻦ ﻣﺮاﺟﻌﺎت ﺑﺮای آﻧﻬﺎ ﺑﻮده اﺳﺖ را ﻣﺸﺨﺺ ﮐﻨﯿﻢ ‪.‬‬ ‫در اﯾﻨﺠﺎ ﺑﺎﯾﺪ ﺑﻪ اﯾﻦ ﻧﮑﺘﻪ اﺷﺎره ﮐﺮد ﮐﻪ ﺑﻪ ﺟﻬﺖ ‪:‬‬ ‫اﻟﻒ( ﻓﻘﺪان داده ﻫﺎی ﻣﺮﺑﻮط ﺑﻪ ﺑﻌﻀﯽ از اﯾﻦ دﻻﯾﻞ ﻣﺮاﺟﻌﻪ در ﺗﻌﺪادی از ﻣﺎه ﻫﺎ‬ ‫ب ( ﺑﻌﻀﯽ از دﻻﯾﻞ ﻣﺮاﺟﻌﻪ در ﺗﻤﺎﻣﯽ دوره ﻫﺎ ‪ ،‬از دﻻﯾﻞ و ﻋﻮاﻣﻞ ﻣﻬﻢ و ﻣﻮرد ﺑﺮرﺳﯽ ﻧﺒﻮده اﻧﺪ‪.‬‬ ‫ﺑﺮای ﻣﻘﺎﯾﺴﻪ ﺑﯿﻦ دﻻﯾﻞ ﻣﺮاﺟﻌﻪ از روی ﺗﻌﺪاد ﮐﻞ ﻣﺮاﺟﻌﺎت ﻣﻨﻄﻘﯽ و ﺻﺤﯿﺢ ﻧﻤﯽ ﺑﺎﺷﺪ ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺮای‬ ‫ﻣﻘﺎﯾﺴﻪ ﺑﯿﻦ دﻻﯾﻞ ﻣﺮاﺟﻌﻪ وﺗﺸﺨﯿﺺ ﻣﻬﻤﺘﺮﯾﻦ دﻻﯾﻞ ‪ ،‬ﺑﺠﺎی اﺳﺘﻔﺎده از ﻣﺘﻐﯿﺮ ﺗﻌﺪاد ﮐﻞ ﻣﺮاﺟﻌﺎت ﺑﻪ‬ ‫ﺷﻬﺮداری ﺑﺮای آن دﻻﯾﻞ ‪ ،‬از ﻣﯿﺎﻧﮕﯿﻦ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای آن دﻟﯿﻞ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ ‪.‬‬ ‫ﺳﻪ ﻋﺎﻣﻠﯽ ﮐﻪ ﺑﯿﺸﺘﺮﯾﻦ ﻣﺮاﺟﻌﻪ ﺑﺮای آﻧﻬﺎ ﺑﻮده ﻋﺎﻣﻞ ﻫﺎی ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ‪ ،‬ﭘﺎﯾﺎن ﮐﺎر و اﺳﺘﻌﻼم ﻣﯽ ﺑﺎﺷﻨﺪ ؛‬ ‫ﮐﻪ ﺑﻄﻮر ﻣﺘﻮﺳﻂ ‪ 10.88,20.73,50.52‬درﺻﺪ ﻣﯿﺎﻧﮕﯿﻦ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﻪ ﺷﻬﺮداری ﻫﺎی ﻣﻨﺎﻃﻖ‬ ‫ﻣﺸﻬﺪ ﺑﻪ ﺗﺮﺗﯿﺐ ﺑﺮای اﺳﺘﻌﻼم و ﭘﺎﯾﺎن ﮐﺎر و ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﻣﯽ ﺑﺎﺷﺪ ‪.‬‬ ‫ﻧﻬﺎﯾﺘﺎً ‪ ،‬در اﯾﻦ ﭘﺮوژه ﺳﻌﯽ ﺷﺪه اﺳﺖ ﮐﻪ ﺑﻪ ﺑﺮرﺳﯽ و ﺗﻌﯿﯿﻦ ﻣﺪل و اراﺋﻪ ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت‬ ‫ﺑﻪ ﺷﻬﺮداری ﻫﺎی ﻣﻨﺎﻃﻖ ﻣﺸﻬﺪ ﺑﻪ ﺗﻔﮑﯿﮏ اﯾﻦ ﺳﻪ ﻋﺎﻣﻞ ﺑﭙﺮدازﯾﻢ ؛ ﺑﻪ اﯾﻦ ﺻﻮرت ﮐﻪ در ﻓﺼﻞ دوم‬ ‫ﻋﺎﻣﻞ ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ‪ ،‬ﻓﺼﻞ ﺳﻮم ﻋﺎﻣﻞ ﭘﺎﯾﺎن ﮐﺎر و ﻓﺼﻞ ﭼﻬﺎرم ﻋﺎﻣﻞ اﺳﺘﻌﻼم ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار ﻣﯽ‬ ‫ﮔﯿﺮﻧﺪ‪.‬‬

‫ﻧﺤﻮه ﺑﺮرﺳﯽ ﻫﺮ ﻋﺎﻣﻞ در ﻫﺮ ﻓﺼﻞ ﯾﮑﺴﺎن و ﺑﻪ اﯾﻦ ﺻﻮرت اﺳﺖ ﮐﻪ ﺳﻌﯽ ﺷﺪه در ﺑﺨﺶ اول ﻫﺮ ﻓﺼﻞ‬ ‫‪ ،‬ﯾﮏ ﻣﺪل ﻣﻨﺎﺳﺐ و ﺑﺮآوردی ﺑﺮای ﻣﺘﻮﺳﻂ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﻪ ﺷﻬﺮداری ﻣﺸﻬﺪ )ﮐﻠﯿﻪ ﻣﻨﺎﻃﻖ( و در‬ ‫ﺑﺨﺶ ﻫﺎی ﺑﻌﺪی ﺑﻪ ﺑﺮرﺳﯽ ﺗﻔﮑﯿﮑﯽ ﺑﻪ ﻫﺮﯾﮏ از ﺷﻬﺮداری ﻫﺎی ﻣﻨﻄﻘﻪ و ﺑﺪﺳﺖ آوردن ﻣﺪل آﻣﺎری‬ ‫ﻣﻨﺎﺳﺐ و ﺑﺮآوردی ﺑﺮای ﺗﻌﺪاد ﮐﻞ ﻣﺮاﺟﻌﺎت ﺑﻪ ﻫﺮ ﯾﮏ از ﺷﻬﺮداری ﻫﺎی ﻣﻨﺎﻃﻖ ﭘﺮداﺧﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬ ‫ﺷﺎﯾﺪ ﺑﺘﻮان دو دﻟﯿﻞ ﺑﺮای ﺑﺮرﺳﯽ ﻣﯿﺎﻧﮕﯿﻦ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﻪ ﺷﻬﺮداری ﻣﺸﻬﺪ اراﺋﻪ داد ﮐﻪ ﻋﺒﺎرت اﺳﺖ‬ ‫از‪:‬‬ ‫• ﻓﻘﺪان ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ در ﭼﻨﺪ ﻣﺎه از ﻣﺎهﻫﺎی ﺳﺎل ‪ ،‬و ﺗﻌﺪادی از‬ ‫ﺷﻬﺮداریﻫﺎی ﻣﻨﺎﻃﻖ )ﮐﻪ در آﻣﺎر ﺗﺤﺖ ﻋﻨﻮان دادهﻫﺎی ﮔﻤﺸﺪه ﻣﺤﺴﻮب ﻣﯽ ﺷﻮد(‪.‬‬ ‫• ﺷﺎﯾﺪ دﻟﯿﻞ دﯾﮕﺮ اﺳﺘﻔﺎده از ﻣﯿﺎﻧﮕﯿﻦ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﻪ ﺷﻬﺮداری ﻣﺸﻬﺪ ‪ ،‬ﺑﺠﺎی‬ ‫اﺳﺘﻔﺎده از ﺗﻌﺪاد ﮐﻞ ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﻪ ﺷﻬﺮداری ﻣﺸﻬﺪ ﻣﯽ ﺗﻮان ﮔﻔﺖ ﮐﻪ در ﺻﻮرت اﺳﺘﻔﺎده‬ ‫از ﺗﻌﺪاد ﮐﻞ ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﻪ ﺷﻬﺮداری ﻣﺸﻬﺪ ﺳﻬﻢ ﻫﺮ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ از ﮐﻞ ﺗﻌﺪاد‬ ‫ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﻣﺸﺨﺺ ﻧﺒﻮد ؛ در ﻧﺘﯿﺠﻪ از ﺷﺎﺧﺺ ﺑﻬﺘﺮی ﺑﻪ ﻋﻨﻮان ﻣﯿﺎﻧﮕﯿﻦ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت‬ ‫ﻣﺎﻫﺎﻧﻪ ﺑﻪ ﺷﻬﺮداری ﻣﺸﻬﺪ اﺳﺘﻔﺎده ﺷﺪ ‪ ،‬ﮐﻪ اﯾﻦ ﻣﯿﺎﻧﮕﯿﻦ را ﻣﯽ ﺗﻮان ﺑﻪ ﺗﻤﺎﻣﯽ ﻣﻨﺎﻃﻖ ﻧﺴﺒﺖ‬ ‫داد‪.‬‬

‫ﻋﺎﻣﻞ ﭘﺮواﻧﻪ ﺳﺎﺧﺖ‬ ‫در اﯾﻦ ﺑﺨﺶ ﻣﺘﻐﯿﺮ ﻣﻮرد ﺑﺮرﺳﯽ ‪ Yt‬در اﯾﻦ ﺳﺮی زﻣﺎﻧﯽ‪ ،‬ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ‬ ‫ﺷﻬﺮداری ﻣﻨﺎﻃﻖ ﻣﺸﻬﺪ ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﺑﺎ ﺑﮑﺎرﺑﺮدن روﯾﻪ ﭼﻬﺎر ﮔﺎﻣﯽ ﻣﺪل ﻫﺎی ﺑﺎﮐﺲ‪ -‬ﺟﻨﮑﯿﻨﺰ ﺑﺮای ﻋﺎﻣﻞ‬ ‫ﭘﺮواﻧﻪ ﺳﺎﺧﺖ و ﺗﮑﺮار آن ﺑﺮای ﺗﮏ ﺗﮏ ﻣﻨﺎﻃﻖ ‪ ،‬ﻣﺪل ﻧﻬﺎﯾﯽ و ﭘﯿﺶ ﺑﯿﻨﯽ ﻫﺎی ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت‬ ‫ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ در ﺳﺎل آﯾﻨﺪه )از ﻓﺮوردﯾﻦ‪– 19‬اﺳﻔﻨﺪ‪ ( 30‬ﺑﺼﻮرت زﯾﺮ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﯾﮏ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﯾﮏ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − 0.7749at −1‬‬ ‫‪Z t = Yt − 2Yt −1 + Yt − 2‬‬

‫ﮐﻪ در آن‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺳﻪ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺳﻪ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − 0.6557 Z t −1 − 0.5797 Z t − 2‬‬ ‫‪Z t = Yt − Yt −1‬‬

‫ﮐﻪ در آن‬

‫‪t = 2,3,4,...,18‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭼﻬﺎر‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭼﻬﺎر ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − 0.9118 at −1‬‬

‫ﮐﻪ در آن‬ ‫‪Z t = Yt − 2Yt −1 + Yt − 2‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭘﻨﺞ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭘﻨﺞ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = a t − 0.7501at −1‬‬

‫‪Z t = Yt − 2Yt −1 + Yt − 2‬‬

‫ﮐﻪ در آن‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺷﺶ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺷﺶ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Yt = 0.5420Yt −1 − 0.6Yt −5 − 0.324Yt −6 + at‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻫﻔﺖ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻫﻔﺖ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − 0.93Z t −1 − 0.79Z t − 2‬‬ ‫‪Z t = Yt − Yt −1‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻧﻪ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻧﻪ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Yt = 0.9821Yt −1 + at‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ده‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ده ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Yt = at − 0.77 at −1‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺛﺎﻣﻦ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺛﺎﻣﻦ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − at −1‬‬

‫ﮐﻪ در آن‬

‫‪t = 2,3,...,18‬‬

‫‪Z t = Yt − Yt −1‬‬

‫ﺑﺪﻟﯿﻞ وﺟﻮد دادهﻫﺎی ﮔﻤﺸﺪه ﻓﺮاوان در ﺑﺮﺧﯽ ﻣﻨﺎﻃﻖ و ﯾﺎ اراﺋﻪ دادهﻫﺎی ﻣﺮﺑﻮط ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای‬ ‫ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ ﺟﺎی ﻣﺎﻫﺎﻧﻪ‪ ،‬ﺑﻪ ﺻﻮرت ﺳﻪ ﻣﺎﻫﻪ ﺑﻮده اﺳﺖ در ﻧﺘﯿﺠﻪ ﺑﺎﻋﺚ ﺷﺪه اﺳﺖ ﮐﻪ اﯾﻦ ﺑﺮرﺳﯽ‬ ‫آﻣﺎری ﺑﺮ روی ﻣﻨﻄﻘﻪ ﻫﺎی ‪ 11، 8 ،2‬و ‪ 12‬اﻣﮑﺎن ﭘﺬﯾﺮ ﻧﺒﺎﺷﺪ‪.‬‬

‫ﻋﺎﻣﻞ ﭘﺎﯾﺎن ﮐﺎر‬ ‫در اﯾﻦ ﺑﺨﺶ ﻣﺘﻐﯿﺮ ﻣﻮرد ﺑﺮرﺳﯽ ‪ Yt‬در اﯾﻦ ﺳﺮی زﻣﺎﻧﯽ‪ ،‬ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای ﭘﺮواﻧﻪ ﺳﺎﺧﺖ ﺑﻪ‬ ‫ﺷﻬﺮداری ﻣﻨﺎﻃﻖ ﻣﺸﻬﺪ ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﺑﺎ ﺑﮑﺎرﺑﺮدن روﯾﻪ ﭼﻬﺎر ﮔﺎﻣﯽ ﻣﺪل ﻫﺎی ﺑﺎﮐﺲ‪ -‬ﺟﻨﮑﯿﻨﺰ ﺑﺮای ﻋﺎﻣﻞ‬ ‫ﭘﺎﯾﺎن ﮐﺎر و ﺗﮑﺮار آن ﺑﺮای ﺗﮏ ﺗﮏ ﻣﻨﺎﻃﻖ ‪ ،‬ﻣﺪل ﻧﻬﺎﯾﯽ و ﭘﯿﺶ ﺑﯿﻨﯽ ﻫﺎی ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای‬ ‫ﭘﺎﯾﺎن ﮐﺎر در ﺳﺎل آﯾﻨﺪه )از ﻓﺮوردﯾﻦ‪– 19‬اﺳﻔﻨﺪ‪ ( 30‬ﺑﺼﻮرت زﯾﺮ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﯾﮏ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﯾﮏ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Yt = 8.76 + at − at −3‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺳﻪ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺳﻪ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Yt = .029 + Yt −1 + at‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭼﻬﺎر‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭼﻬﺎر ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = a t − 0.5064Z t −1‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺷﺶ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺷﺶ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − 0.7769at −1‬‬

‫‪Z t = Yt − Yt −1‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻫﻔﺖ‬ ‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻦ ﮐﻪ ‪ – P‬ﻣﻘﺪار آﻣﺎره ﺑﺎﮐﺲ‪-‬ﻟﯿﻮﻧﮓ ﻣﺮﺑﻮط ﺑﻪ ﺳﺮی اﯾﻦ ﻣﺘﻐﯿﺮ ﺑﺰرﮔﺘﺮ از ‪α = 0.05‬‬

‫ﺑﻨﺎﺑﺮاﯾﻦ ﻣﯽ ﺗﻮان ﭘﺬﯾﺮﻓﺖ ﮐﻪ داده ﻫﺎی ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﻫﻔﺖ از ﻓﺮآﯾﻨﺪ‬ ‫ﺗﺼﺎدﻓﯽ ﻣﺤﺾ ﭘﯿﺮوی ﻣﯽ ﮐﻨﺪ ‪ ،‬ﺑﻨﺎﺑﺮاﯾﻦ ﻧﻤﯽ ﺗﻮان ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺮای زﻣﺎن ﻫﺎی آﯾﻨﺪه اراﺋﻪ داد و ﻓﻘﻂ‬ ‫ﻣﯽ ﺗﻮان ﺑﻪ اﯾﻦ ﻧﮑﺘﻪ ﺑﺴﻨﺪه ﮐﺮد ﮐﻪ اﻧﺘﻈﺎر دارﯾﻢ داده ﻫﺎی آن ﺣﻮل ﻣﯿﺎﻧﮕﯿﻦ ﺳﺮی ﺧﻮد ﯾﻌﻨﯽ‬ ‫‪ y = 85.66‬ﺑﺼﻮرت ﺗﺼﺎدﻓﯽ و ﻏﯿﺮ ﻗﺎﺑﻞ ﮐﻨﺘﺮل ﻧﻮﺳﺎن داﺷﺘﻪ ﺑﺎﺷﺪ‪.‬‬ ‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻧﻪ‬ ‫ﺑﻨﺎﺑﺮاﯾﻦ ‪) Z t‬ﺳﺮی زﻣﺎﻧﯽ ﺗﺒﺪﯾﻞ ﺷﺪه اﯾﺴﺘﺎ( ﺑﻪ ﺻﻮرت زﯾﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬ ‫‪Z t = at − at −1‬‬

‫‪Z t = Yt − Yt −1‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ده‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ده ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = −6.21 + at − at −1‬‬

‫‪Z t = Yt − Yt −1‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺛﺎﻣﻦ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺛﺎﻣﻦ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − 0.7159Z t −1‬‬ ‫‪Z t = Yt − Yt −1‬‬

‫ﺑﺪﻟﯿﻞ وﺟﻮد دادهﻫﺎی ﮔﻤﺸﺪه ﻓﺮاوان در ﺑﺮﺧﯽ ﻣﻨﺎﻃﻖ و ﯾﺎ اراﺋﻪ دادهﻫﺎی ﻣﺮﺑﻮط ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای‬ ‫ﭘﺎﯾﺎن ﮐﺎر ﺑﻪ ﺟﺎی ﻣﺎﻫﺎﻧﻪ‪ ،‬ﺑﻪ ﺻﻮرت ﺳﻪ ﻣﺎﻫﻪ ﺑﻮده اﺳﺖ در ﻧﺘﯿﺠﻪ ﺑﺎﻋﺚ ﺷﺪه اﺳﺖ ﮐﻪ اﯾﻦ ﺑﺮرﺳﯽ آﻣﺎری‬ ‫ﺑﺮ روی ﻣﻨﻄﻘﻪ ﻫﺎی ‪ 11، 8 ،5،2‬و ‪ 12‬اﻣﮑﺎن ﭘﺬﯾﺮ ﻧﺒﺎﺷﺪ‪.‬‬

‫ﻋﺎﻣﻞ اﺳﺘﻌﻼم‬ ‫در اﯾﻦ ﺑﺨﺶ ﻣﺘﻐﯿﺮ ﻣﻮرد ﺑﺮرﺳﯽ ‪ Yt‬در اﯾﻦ ﺳﺮی زﻣﺎﻧﯽ‪ ،‬ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری‬ ‫ﻣﻨﺎﻃﻖ ﻣﺸﻬﺪ ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﺑﺎ ﺑﮑﺎرﺑﺮدن روﯾﻪ ﭼﻬﺎر ﮔﺎﻣﯽ ﻣﺪل ﻫﺎی ﺑﺎﮐﺲ‪ -‬ﺟﻨﮑﯿﻨﺰ ﺑﺮای ﻋﺎﻣﻞ اﺳﺘﻌﻼم و‬ ‫ﺗﮑﺮار آن ﺑﺮای ﺗﮏ ﺗﮏ ﻣﻨﺎﻃﻖ ‪،‬ﻣﺪل ﻫﺎی ﻧﻬﺎﯾﯽ و ﭘﯿﺶ ﺑﯿﻨﯽ ﻫﺎی ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای اﺳﺘﻌﻼم در‬ ‫ﺳﺎل آﯾﻨﺪه )از ﻓﺮوردﯾﻦ‪– 19‬اﺳﻔﻨﺪ‪ ( 30‬ﺑﺼﻮرت زﯾﺮ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬ ‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﯾﮏ‬ ‫در ﻧﺘﯿﺠﻪ ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﯾﮏ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = at − 0.8923at −1‬‬ ‫‪Z t = Yt − 2Yt −1 + Yt − 2‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭼﻬﺎر‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭼﻬﺎر ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Yt = δ + at − 0.8539Yt −1 − at −6‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭘﻨﺞ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﭘﻨﺞ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z = at − 0.8at −1‬‬

‫‪t = 3,...,18‬‬

‫ﮐﻪ در آن‬

‫‪Z t = Yt − 2Yt −1 + Yt − 2‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻧﻪ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﻧﻪ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = 254.008 + 0.5447 Z t −1 + at‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ده‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ده ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Z t = 30.88 + 0.9663Z t −1 + at‬‬

‫ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺛﺎﻣﻦ‬ ‫ﻣﺪل ﻧﻬﺎﯾﯽ ﺑﺮای ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﻣﺎﻫﺎﻧﻪ ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﺷﻬﺮداری ﻣﻨﻄﻘﻪ ﺛﺎﻣﻦ ﻋﺒﺎرت اﺳﺖ از‪:‬‬ ‫‪Yt = 55.55 + 0.7212Yt −1 + at‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻦ ﮐﻪ ‪ – P‬ﻣﻘﺪار آﻣﺎره ﺑﺎﮐﺲ‪-‬ﻟﯿﻮﻧﮓ ﻣﺮﺑﻮط ﺑﻪ ﺳﺮی اﯾﻦ ﻣﺘﻐﯿﺮ ﻫﺎ ﺑﺰرﮔﺘﺮ از ‪α = 0.05‬‬

‫ﺑﻨﺎﺑﺮاﯾﻦ ﻣﯽ ﺗﻮان ﭘﺬﯾﺮﻓﺖ ﮐﻪ داده ﻫﺎی ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای اﺳﺘﻌﻼم ﺑﻪ ﻣﻨﺎﻃﻖ ﺳﻪ ‪ ،‬ﺷﺶ و‬ ‫ﻫﻔﺖ از ﻓﺮآﯾﻨﺪ ﺗﺼﺎدﻓﯽ ﻣﺤﺾ ﭘﯿﺮوی ﻣﯽ ﮐﻨﻨﺪ ‪ ،‬ﺑﻨﺎﺑﺮاﯾﻦ ﻧﻤﯽ ﺗﻮان ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺮای زﻣﺎن ﻫﺎی آﯾﻨﺪه‬

‫اراﺋﻪ داد و ﻓﻘﻂ ﻣﯽ ﺗﻮان ﺑﻪ اﯾﻦ ﻧﮑﺘﻪ ﺑﺴﻨﺪه ﮐﺮد ﮐﻪ اﻧﺘﻈﺎر دارﯾﻢ داده ﻫﺎی اﻧﻬﺎ ﺑﻪ ﺗﺮﺗﯿﺐ ﺣﻮل ﻣﯿﺎﻧﮕﯿﻦ‬ ‫ﺳﺮی ﻫﺎی ﺧﻮد ﯾﻌﻨﯽ ‪ y = 316.66‬و ‪ y = 268‬و ‪ y = 491.61‬ﺑﺼﻮرت ﺗﺼﺎدﻓﯽ و ﻏﯿﺮ ﻗﺎﺑﻞ ﮐﻨﺘﺮل‬ ‫ﻧﻮﺳﺎن داﺷﺘﻪ ﺑﺎﺷﻨﺪ ‪.‬‬ ‫ﺑﺪﻟﯿﻞ وﺟﻮد دادهﻫﺎی ﮔﻤﺸﺪه ﻓﺮاوان در ﺑﺮﺧﯽ ﻣﻨﺎﻃﻖ و ﯾﺎ اراﺋﻪ دادهﻫﺎی ﻣﺮﺑﻮط ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﺮای‬ ‫اﺳﺘﻌﻼم ﺑﻪ ﺟﺎی ﻣﺎﻫﺎﻧﻪ‪ ،‬ﺑﻪ ﺻﻮرت ﺳﻪ ﻣﺎﻫﻪ ﺑﻮده اﺳﺖ در ﻧﺘﯿﺠﻪ ﺑﺎﻋﺚ ﺷﺪه اﺳﺖ ﮐﻪ اﯾﻦ ﺑﺮرﺳﯽ آﻣﺎری‬ ‫ﺑﺮ روی ﻣﻨﻄﻘﻪ ﻫﺎی ‪ 11، 8 ،2‬و ‪ 12‬اﻣﮑﺎن ﭘﺬﯾﺮ ﻧﺒﺎﺷﺪ‪.‬‬