Employing the Principal Components in Time Series Models and Selecting the Best Models with Application
| العنوان بلغة أخرى: |
توظيف المكونات الرئيسية في نماذج السلاسل الزمنية واختيار أفضل النماذج مع التطبيق بەكارهێنانى پێكهاتە سەرەكييەكان لە مۆدێلى زنجيرە كاتييەكان وهەڵبژدردنى باشتررين مۆديلەكان لەگەڵ ئەپليكەيشن |
|---|---|
| المصدر: | زانكو - الإنسانيات |
| الناشر: | جامعة صلاح الدين |
| المؤلف الرئيسي: | أحمد، رزكار مغديد (مؤلف) |
| مؤلفين آخرين: | يونس، نيداء سليم ملا (م. مشارك) |
| المجلد/العدد: | مج27, ع2 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2023
|
| الصفحات: | 434 - 448 |
| ISSN: |
2218-0222 |
| رقم MD: | 1414337 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | HumanIndex |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
تحليل متعدد المتغيرات | تحليل المكونات الرئيسية | نموذج Box-Jenkins | التنبؤ | Multivariate Analysis | Principal Component Analysis | Box-Jenkins Model | Prediction
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
في هذه الدراسة، تم استخدام تحليل المكونات الرئيسية، وهو أحد طرق التحليل متعدد المتغيرات للتنبؤ بنماذج السلاسل الزمنية (Box-Jenkins Model) من خلال التطبيق على بيانات الطاقة الكهربائية (محطة توليد الطاقة الغازية في أربيل) (EGPS) والتي تحتوي على بيانات متعددة المتغيرات (5 محطات) وكانت البيانات شهرية للفترة من (1/1/2017) إلى (14/9/2021)، استندت فكرة البحث إلى تطبيق تحليل المكونات الرئيسية على بيانات السلاسل الزمنية المتعددة، والحصول على المكونات المستخرجة منها، ثم تقدير نماذج Box-Jenkins وأخيرا تم اختيار أفضل النماذج المقترحة في التنبؤ لبيانات إنتاج الطاقة الكهربائية في مدينة أربيل هي (ARIMA (2,2,2) x(2,2,0)12) الاستنتاج الرئيسي هو أن تحليل المكون الرئيسية فعال في تقليل بيانات السلاسل الزمنية المتعددة والحصول على أفضل النماذج بالاستناد على معايير إحصائية. In this study, principal components analysis, which is one of the methods of multivariate analysis for prediction of time series models (Box-Jenkins Model) was used by applying to electric power data (Erbil Gas Power Plant) (EGPS) which contains multivariate data (5 stations) and the data was monthly for the period from (1/1/2017) to (14/9/2021). The idea of the research was based on applying principal component analysis to multiple time series data, obtaining the components extracted from them, and then estimating the Box-Jenkins Models. The main conclusion is that principal component analysis is effective in reducing multiple time series data and obtaining the best models based on statistical criteria. And finally, the best proposed model for predicting electrical energy production data in the City of Erbil is (ARIMA (2,2,2) x(2,2,0)12). |
|---|---|
| ISSN: |
2218-0222 |
عناصر مشابهة
-
Using Bayes Weights to Estimate Parameters of a Gamma Regression Model
بواسطة: علي، طه حسين منشور: (2023) -
Comparing SVR and Random Forest Forecasting Based on Autoregressive Time Series with Application
بواسطة: فاضل، نعم سالم منشور: (2023) -
A Review and Comparison of Different Tests of Autocorrelation for Various Time Series Models
بواسطة: Eid, Abd Alrahman Munther Abd Alqader منشور: (2013) -
SETAR and ARMA Models for the Monthly Time Series Returns of the Saudi Share Price Indices: Forecasting Comparisons
بواسطة: عسيري، أحمد بن عبدالله علي منشور: (2005) -
Forecasting Models in Financial Time Series: A Review
بواسطة: Hassan, Mohammed El-Amin منشور: (2020)
