ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Comparing SVR and Random Fores...>الوصف
يجب تسجيل الدخول أولا

Comparing SVR and Random Forest Forecasting Based on Autoregressive Time Series with Application

العنوان بلغة أخرى: مقارنة تنبؤ انحدار المتجه الداعم والغابة العشوائية اعتمادا على الانحدار الذاتي للسلاسل الزمنية مع التطبيق
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: فاضل، نعم سالم (مؤلف)
المؤلف الرئيسي (الإنجليزية): Fadhil, Naam Salem
مؤلفين آخرين: البزاز، زينة مضر يحيي (م. مشارك)
المجلد/العدد: مج20, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: ديسمبر
الصفحات: 155 - 165
ISSN: 1680-855X
رقم MD: 1445458
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
المخاطر البيئية | البيانات المناخية | مبدأ الانحدار الذاتي | السلاسل الزمنية
كلمات المؤلف المفتاحية:
نموذج اريما | الغابة العشوائية | التكهن | الرطوبة النسبية | ARIMA Model | SVR | Random Forest | Forecasting | Relative Humidity
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: إن دقة التنبؤ بالسلاسل الزمنية للرطوبة النسبية في حالاتها العظمى والدنيا أمر مهم للتحكم في التأثيرات والأضرار والمخاطر البيئية. سيتم في هذه الدراسة استخدام طريقة الانحدار المتجه الداعم (SVR) وطريقة الغابة العشوائية (RF)، وذلك بالاعتماد على مبدأ الانحدار الذاتي القائم على مبدأ الارتباط الذاتي الذي يعتبر السمة الرئيسية للسلاسل الزمنية بشكل عام. سيتم إجراء مقارنات لنتائج التنبؤ باستخدام طرق SVR و RF ومقارنتها بالطريقة التقليدية لتحليل السلاسل الزمنية وهي نموذج الانحدار الذاتي والمتوسطات المتحركة المتكامل (ARIMA). تم استخدام طريقتي SVR و RF نظرا لأهميتهما في تحسين نتائج التنبؤ حيث تعتبران الحل الأمثل لمشكلة عدم خطية البيانات وكذلك مشكلة عدم التجانس في البيانات المناخية خاصة وذلك لاحتوائها على العديد من المركبات الموسمية والدورية، مما قد يؤدي إلى تنبؤات غير دقيقة. تمت في هذه الدراسة دراسة تنبؤات السلاسل الزمنية للرطوبة النسبية في حالاتها الدنيا والعظمى لإحدى محطات الأرصاد الجوية الزراعية في مدينة الموصل-العراق. عكست نتائج هذه الدراسة تفوق كل من طريقة SVR وطريقة RF مقارنة بالطريقة التقليدية المتمثلة في نموذج ARIMA. كما تضمنت النتائج تفوق طريقة RF في التنبؤ بفترة التدريب مقارنة بطريقة SVR التي كانت أكثر توازنا رغم ذلك، كما تفوقت نتائج ARIMA في التنبؤ بفترة التدريب وفترة الاختبار، في حين كانت تنبؤاتها أفضل قليلا من نتائج التنبؤ باستخدام طريقة RF في فترة الاختبار.

The accuracy of forecasting the time series of relative humidity in its maximum and minimum cases is important for controlling environmental impacts, damages and risks. In this study, the support vector regression (SVR) method and the random forest (RF) method will be used, depending on the principle of auto regressive (AR) and the autocorrelation (AC), which is the main characteristic of time series in general. The Lags of original time series will be depended as the explanatory (input) variables while the original series will be as target variable. This structure is fitted with the AC principle because the current observation will be depending on time lags in each time step of time series variable. Comparisons of the forecasting results will be performed by using SVR, RF methods and compared to the classical method of analysing time series which is the integrated autoregressive and moving average (ARIMA) model. The SVR and RF methods were employed due to their importance in improving the forecast results, as they are the ideal solution to the problem of non-linearity of the data, as well as the problem of heterogeneity in the climate data, especially as a result of the fact that they contain many seasonal and periodic compounds, which may lead to inaccurate forecast. The forecast of the time series of relative humidity in its minimum and maximum cases was studied in this study for one of the agricultural meteorological stations in the city of Mosul-Iraq. The results of this study reflected the superiority of both SVR method and RF method compared to the classical method represented by the ARIMA model. The results also included the superiority of the RF method in forecasting the training period compared to the SVR method, which was more balanced despite that, as it superiority the results of ARIMA in forecasting the training period and the testing period, while it was its forecast performance is slightly better than the forecast results of the RF method in the test period.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.