ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Enhancing the ARIMAX Model by...>الوصف

Enhancing the ARIMAX Model by Using the Bivariate Wavelet Denoising: Application on Road Traffic Accidents Data

العنوان بلغة أخرى: تحسين نموذج ARIMAX باستخدام تقليل الضوضاء المويجي ثنائي المتغير: التطبيق على بيانات حوادث المرور على الطرق
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: أحمد، نوروز ميكائيل (مؤلف)
المؤلف الرئيسي (الإنجليزية): Ahmed, Nawroz M.
مؤلفين آخرين: عبدالقادر، قيس مصطفى (م. مشارك)
المجلد/العدد: مج20, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: ديسمبر
الصفحات: 15 - 29
ISSN: 1680-855X
رقم MD: 1445280
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
القوانين المرورية | التنبؤ بالحوادث | الدوال المويجية
كلمات المؤلف المفتاحية:
الحوادث المرورية | السرعة الزائدة | ARIMAX | السلسلة الزمنية | المويجة ثنائية المتغير | Traffic Accidents | Excessive Speed | ARIMAX | Time Series | Bivariate Wavelet
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تبحث هذه الدراسة في فائدة الطريقة المحسنة المدمجة والمتمثلة بنموذج (المويجة ثنائية المتغير-الانحدار الذاتي والمتوسط المتحرك التكاملي بوجود متغير خارجي BWARIMAX) للتنبؤ بحوادث المرور الشهرية. تم إثبات زيادة أداء نماذج ARIMAX في التنبؤ بحوادث المرور على الطرق بشكل كبير من خلال التحليل متعدد التصاميم MRA القائم على المويجة. النهج الموضح في هذه الورقة يحدد أفضل نوع توليفة من تحويل المويجات، والدوال المويجية، وعدد مستويات التحليل المستخدمة في MRA وبالتالي زيادة دقة التنبؤ بشكل كبير. أظهر تحليل الدراسة تفوق الطريقة المقترحة وأشار إلى أنه يمكننا الحصول على مزيد من المعلومات من السلسلة عند استخدام نموذج BWARIMAX وهذا يؤدي إلى تحسين نموذج ARIMAX الأصلي في التنبؤ. إلى جانب ذلك، بعد العديد من الاختبارات التجريبية مع العديد من العائلات المويجية، تبين أن المويجتين Daubcchics و Coiflet مناسبة جدا عند تقليل الضوضاء من البيانات، ومن بينهما كان أداء مويجة Coiflet من الرتبة 3 أفضل.

The purpose of this study is to determine whether an enhanced confound model representing bivariate wavelet-autoregressive integrated moving average with exogenous variable BWARIMAX is beneficial for predicting monthly traffic accidents. A wavelet-based multiresolution analysis MRA, conducted before the ARIMAX model fitting, shows that the performance of ARIMAX models in predicting traffic accidents can be significantly improved. The method described in this study identifies the ideal wavelet function, wavelet transform, and number of decomposition levels for the MRA and consequently considerably improves forecast accuracy. The analysis of the study demonstrated the superiority of the suggested approach and revealed that utilizing the BWARIMAX method, we can extract more information from the series, which enhances the performance of the original ARIMAX model in terms of predicting. Additionally, it has been demonstrated through extensive empirical testing using a wide range of wavelet families that Daubechies and Coiflet wavelets are excellent choices for denoising data. Furthermore, the study concluded that out of the two wavelet families, the performance of the Coiflet wavelet of order 3 was better.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.