ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Appling Autoregressive, Fractionally-Integrated, Moving Average Models of ARFIMA "p, d, q" Order for Daily Minimum Electric Load at West Tripoli Electricity Station in Libya

المصدر: المجلة العربية للنشر العلمي
الناشر: مركز البحث وتطوير الموارد البشرية - رماح
المؤلف الرئيسي: Enaami, Maryouma E. (Author)
مؤلفين آخرين: Khaga, Rida M. (Co-Author) , Almahmodi, Mustafa A. (Co-Author) , Taweab, Fauzia A. (Co-Author)
المجلد/العدد: ع11
محكمة: نعم
الدولة: الأردن
التاريخ الميلادي: 2019
الشهر: سبتمبر
الصفحات: 144 - 156
ISSN: 2663-5798
رقم MD: 1436334
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch, HumanIndex
مواضيع:
كلمات المؤلف المفتاحية:
Time Series | ARFIMA | Short-Range Dependence "SRD" | Long-Range Dependence "LRD"
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
LEADER 02580nam a22002657a 4500
001 2183265
041 |a eng 
044 |b الأردن 
100 |9 760033  |a Enaami, Maryouma E.  |e Author 
245 |a Appling Autoregressive, Fractionally-Integrated, Moving Average Models of ARFIMA "p, d, q" Order for Daily Minimum Electric Load at West Tripoli Electricity Station in Libya 
260 |b مركز البحث وتطوير الموارد البشرية - رماح  |c 2019  |g سبتمبر 
300 |a 144 - 156 
336 |a بحوث ومقالات  |b Article 
520 |b In this paper, we report on our investigation of the long memory of the Daily Minimum Electric Load (DMEL) at West Tripoli Electricity Station as recorded by the Electricity Company in Libya. We fitted an Autoregressive, Fractionally-Integrated, Moving-Average (ARFIMA) Model to the measured loads using 361 daily records covering the period of almost one year, extending from 5 January 2008 to 31 December 2008. The results show that the time series is of the long memory type and that it can become stationary with fractional differencing. After performing fractional differencing and determining the number of lags of the autoregressive and moving average (ARMA) components, the long memory ARFIMA (3, 0.499, 3) model was used to fit the data. Even though this model fit the data well, its forecasts were infected by the swing in the data. We estimated the parameters of the model and used those estimates to forecast 20 out-of-sample data points. In light of the forecasting results of the model, we concluded that the ARFIMA is a great model in this regard. 
653 |a نماذج الانحدار الذاتي  |a السلاسل الزمنية  |a الأحمال الكهربائية  |a محطات توزيع الكهرباء  |a ليبيا 
692 |b Time Series  |b ARFIMA  |b Short-Range Dependence "SRD"  |b Long-Range Dependence "LRD" 
700 |9 760037  |a Khaga, Rida M.  |e Co-Author 
700 |9 760039  |a Almahmodi, Mustafa A.  |e Co-Author 
700 |9 760040  |a Taweab, Fauzia A.  |e Co-Author 
773 |4 العلوم الإنسانية ، متعددة التخصصات  |4 العلوم الاجتماعية ، متعددة التخصصات  |6 Humanities, Multidisciplinary  |6 Social Sciences, Interdisciplinary  |c 007  |e Arab journal for scientific publishing  |f al-Mağallaẗ al-ʿarabiyyaẗ li-l-našr al-ilmī  |l 011  |m ع11  |o 2502  |s المجلة العربية للنشر العلمي  |v 000  |x 2663-5798 
856 |u 2502-000-011-007.pdf 
930 |d y  |p y  |q n 
995 |a EduSearch 
995 |a HumanIndex 
999 |c 1436334  |d 1436334 

عناصر مشابهة