ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > التنبؤ بانتاج محصول البطاطس با...>الوصف

التنبؤ بانتاج محصول البطاطس باستخدام نماذج SARIMA والشبكات العصبية

العنوان المترجم: Potato Crop Prediction Using Sarima and Neural Network Models
المصدر: مجلة البحوث المالية والتجارية
الناشر: جامعة بورسعيد - كلية التجارة
المؤلف الرئيسي: علي، محمد المهدي محمد (مؤلف)
مؤلفين آخرين: شلبي، نيللي سمير عبدالموجود (م. مشارك), حامد، رانيا أحمد (م. مشارك)
المجلد/العدد: ع3
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2019
الصفحات: 250 - 280
DOI: 10.21608/JSST.2019.61403
ISSN: 2090-5327
رقم MD: 1028792
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الاحصاء | محصول البطاطس | السلاسل الزمنية | الشبكات العصبية
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

33

حفظ في:
المستخلص: Potatoes are the main vegetable crops in Egypt. The average cultivated area is about 200 thousand feddans and the total productivity is estimated at more than 2 million tons annually, which is produced throughout the year in the three lugs are the summer hook. The potato yield was analyzed in the period 1983-2014 by predicting potato productivity with the introduction of micro-statistical treatments to study and construct a model based on the Box and Jenkins method for the analysis of the seasonal time series SARIMA and the model of artificial neural networks and logic. To identify the most important factors that affect the productivity of this crop to predict future values. The study showed that the neurotransmitter networks (BPNN), the best among the neural models in terms of speed, training and accuracy. Despite the advantages of the model of the neural system adaptive ability to address various types of linear and nonlinear data to the failure in small data.

تعتبر البطاطس من المحاصيل الخضر الأساسية في مصر وبلغ متوسط المساحة المنزرعة حوالي 200 ألف فدان وتعطى إنتاجية كلية تقدر بأكثر من 2 مليون طن سنويا والتي تنتج طوال العام في العروات الثلاث هم العروة الصيفية والعروة النيلية والعروة الشتوية. وبتتبع إنتاجية محصول البطاطس في الفترة 1983 -2014 من خلال التنبؤ بإنتاجية وبتتبع البطاطس مع إدخال المعالجات الإحصائية الدقيقة لدراسة وبناء نموذج للتنبؤ يعتمد على أسلوب بوكس وجينكنيز لتحليل السلاسل الزمنية الموسمية SARIMA ونموذج الشبكات العصبية الاصطناعية والمنطق المضبب وذلك لمعرفة أيمها أفضل وأكثر دقة فضلا عن التعرف على أهم العوامل التي تؤثر على إنتاجية هذا المحصول للتنبؤ بالقيم المستقبلية. وقد بينت الدراسة أن الشبكات العصبية ذات الانتشار العكسي BPNN وهي الأفضل بين أنواع النماذج العصبية من حيث السرعة والتدريب والدقة وعلى الرغم من مميزات نموذج نظام الاستلال العصبي المتكيف بقدرته على معالجة مختلف أنواع البيانات الخطية وغير الخطية إلى انه فشل في البيانات صغيرة الحجم.
ISSN: 2090-5327

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.