ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > الموازنة التخطيطية للمبيعات:...>الوصف

الموازنة التخطيطية للمبيعات: دراسة قياسية مقارنة بين نموذج الانحدار الخطي البسيط ونموذج الشبكات العصبية

العنوان بلغة أخرى: Planning Budget for Sales: A Comparative Standard Study between the Simple Linear Regression Model and the Neural Networks Model
المصدر: مجلة الآفاق للدراسات الاقتصادية
الناشر: جامعة العربي التبسي تبسة - كلية العلوم الاقتصادية والتجارية وعلوم التسيير
المؤلف الرئيسي: معتوق، جمال (مؤلف)
مؤلفين آخرين: سبتي، إسماعيل (م. مشارك)
المجلد/العدد: ع5
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2018
الشهر: سبتمبر
الصفحات: 1 - 17
ISSN: 2571-9769
رقم MD: 1139991
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الشبكات العصبية | الموازنات المالية | المبيعات التجارية | شركة سونلغاز | الجزائر
كلمات المؤلف المفتاحية:
الموازنة التخطيطية للمبيعات | الانحدار الخطي البسيط | الشبكات العصبية الاصطناعية | طرق التقييم
رابط المحتوى:
PDF (صورة)      PDF (نص)      HTML
صورة الغلاف QR قانون

عدد مرات التحميل

37

حفظ في:
المستخلص: استهدفت هذه الدراسة القيام بإعداد موازنة تخطيطية لحجم مبيعات الكهرباء الخاصة بشركة سونلغاز (الجزائر) على المستوى الوطني خلال فترة عشرة سنوات (من سنة 2007 إلى غاية سنة 2016)، وباستعمال كل من نموذج الانحدار الخطي البسيط (SLR)، ونموذج الشبكات العصبية الاصطناعية (ANN)، بحيث تم المفاضلة بين النموذجين واختيار الأكثر دقة منهما، وذلك وفقا لطرق التقييم التالية: متوسط الأخطاء المربعة (MSE) الانحراف المعياري (∂)، متوسط نسبة الخطأ المطلق (MAPE)، مجموع الأخطاء المربعة (SSE)، متوسط الأخطاء المطلقة .(MAD) بعدما تم المزج بين السلاسل الزمنية والنماذج الرياضية توصل الباحثان إلى أن نموذج الانحدار الخطي البسيط هو الأفضل والأكثر دقة في التنبؤ من نموذج الشبكات العصبية الاصطناعية.

This study aimed to prepare a planning budget for the electricity sales of Sonelgaz electric company (Algeria) at the national level for the future 10 years (from year 2007 until the year 2016), using both the Simple linear Regression (SLR), and Artificial Neural Networks (ANN), where the contrast between the two models and choosing the most accurate, in accordance with the following evaluation methods: the Mean Squared Errors (MSE), standard deviation (∂)Mean Absolute Percentage Errors (MAPE), the Sum of Squared Errors (SSE), and the Mean Absolute Deviation (MAD). After combining time series and mathematical models the researchers concluded that the simple linear regression model is the best and most accurate at predicting model of artificial neural networks.
ISSN: 2571-9769

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.