ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > طريقة مقترحة لتحليل الانحدار غ...>الوصف

طريقة مقترحة لتحليل الانحدار غير الخطي المتعدد باستخدام الذكاء الاصطناعي

العنوان المترجم: A Proposed Method for Multiple Nonlinear Regression Analysis Using Artificial Intelligence
المصدر: المجلة العلمية للاقتصاد والتجارة
الناشر: جامعة عين شمس - كلية التجارة
المؤلف الرئيسي: حجاج، عبدالوهاب السيد عبدالوهاب (مؤلف)
المؤلف الرئيسي (الإنجليزية): Hagag, Abd El-Wahab
مؤلفين آخرين: العجمي، محمد عبدالسلام (م. مشارك)
المجلد/العدد: ع2
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2022
الشهر: يوليو
الصفحات: 557 - 592
DOI: 10.21608/jsec.2022.243209
ISSN: 2636-2562
رقم MD: 1311213
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الذكاء الاصطناعي | الشبكات العصبية | الخوارزميات التحليلية
كلمات المؤلف المفتاحية:
الذكاء الاصطناعي | الشبكات العصبية الاصطناعية | الانحدار الخطي | الانحدار غير الخطي المتعدد | دخل الأسرة | مستوى المعيشة | Artificial Inelegant
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

54

حفظ في:
المستخلص: تنشأ مشكلة هذا البحث من إنه قد تواجه الطرق التقليدية صعوبات عديدة في صياغة النموذج الملائم لبيانات معينة، بعض هذه الصعوبات صعوبات رياضية، وبعضها الحاجة إلى خبرة كبيرة لاختيار النموذج الملائم للبيانات، أنه في حالة انحدار المشاهدات الحالية Yt على الأخطاء السابقة يكون لدالة الإمكان شكلا معقدا بسبب أن الأخطاء لها علاقة غير خطية في المعلمات مما يصعب معه التعبير عن دالة التوزيع الاحتمالي لبعض أو كل معالم النموذج في شكل قياسي أو باستخدام أحد التوزيعات المعروفة. في هذا البحث تم تقديم طريقة مقترحة لتحليل الانحدار غير الخطى المتعدد باستخدام أحد طرق الذكاء الاصطناعي وهي طريقة الشبكات العصبية الاصطناعية. قام الباحث باستخدام بيانات دخل ١٠٠٠ أسرة والتي تم الحصول عليها من خلال بحث الدخل والإنفاق والاستهلاك لعام ٢٠١٧/ 2018 والذي يجريه الجهاز المركزي للتعبئة العامة والإحصاء، ولقد قام الباحث بتقدير معالم نموذج الانحدار غير الخطى المتعدد فكان أفضل نموذج هو النموذج اللوغاريتمي قام الباحث باستخدام برنامج MATLAB في تدرب الشبكة العصبية الاصطناعية وذلك من خلال إنشاء شبكة أمامية بتغذية مرتدة وتم تقدير المعالم والتحقق من صلاحية النموذج باستخدام أسلوب التغذية الخلفية Back propagation algorithm وتم حساب القيم التنبؤية لإجمالي الدخل للأسر بجانب العشرة مشاهدات المستقبلية عن طريق دوال MATLAB للشبكات العصبية وكذلك برنامج SPSS لأسلوب الانحدار غير الخطى المتعدد، كما تم حساب دقة هذه التنبؤات بواسطة ثلاثة مقاييس إحصائية وهي (MSE, MAD, MAPE) وكانت نتيجة المقارنة هي أفضلية أسلوب الانحدار غير الخطي المتعدد عن أسلوب الشبكات العصبية الاصطناعية للتنبؤ بقيمة الدخل للأسرة.

The problem in this research arises from the fact that traditional methods may encounter various difficulties in formulating an appropriate model for certain data. These challenges include mathematical difficulties and the requirement for significant expertise to select the suitable model for the data. In the case of regressing current observations (Yt) on previous errors, the potential function takes on a complex form due to the non-linear relationship between errors in the parameters. This complexity makes it challenging to express the probability distribution function for some or all of the model's parameters in standard form or using one of the known distributions. In this research, a proposed method for multiple nonlinear regression analysis was presented using one of the artificial intelligence methods, which is the artificial neural networks method. The researcher used income data for 1,000 families, which were obtained through research on income, expenditure, and consumption for the year 2017/2018, which is conducted by the Central Agency for Public Mobilization and Statistics. The researcher estimated the parameters of the multiple non-linear regression model, and the best model was the logarithmic model. The researcher used the MATLAB program to train the artificial neural network by creating a forward network with feedback. The features were estimated and the validity of the model was verified using the back propagation algorithm. Predictive values for the total income of families, along with ten future observations, were calculated using MATLAB functions for neural networks, as well as the SPSS program for the multiple non-linear regression method. The accuracy of these predictions was also assessed using three statistical measures: Mean Squared Error (MSE), Mean Absolute Deviation (MAD), and Mean Absolute Percentage Error (MAPE). The result of the comparison indicated the superiority of the multiple non-linear regression method over the artificial neural network method for predicting the value of household income. This abstract was translated by AlMandumah Inc.
ISSN: 2636-2562

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.