ارسل ملاحظاتك

ارسل ملاحظاتك لنا







استخدام نماذج الشبكات العصبونية لدراسة أثر أسعار المشتقات النفطية على تكاليف المعيشة الغذائية للأسرة السورية والتنبؤ بها

العنوان بلغة أخرى: Using Neural Network Models to Study and Predict the Impact of Oil Derivatives Prices on the Food Costs of Living for Syrian Families
المصدر: مجلة جامعة البعث سلسلة العلوم الاقتصادية
الناشر: جامعة البعث
المؤلف الرئيسي: حيدر، عز الدين (مؤلف)
المؤلف الرئيسي (الإنجليزية): Haidar, Ezz El Din
مؤلفين آخرين: نصره، زين العابدين نجدت (م. مشارك)
المجلد/العدد: مج46, ع12
محكمة: نعم
الدولة: سوريا
التاريخ الميلادي: 2024
التاريخ الهجري: 1445
الصفحات: 123 - 156
ISSN: 1022-467X
رقم MD: 1495900
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
الشبكة العصبونية ذات الانتشار العكسي | شبكة دالة القاعدة الشعاعية | المشتقات النفطية | تكاليف المعيشة الغذائية | Back Propagation Neural Network | Radial Basis Function Network | Oil Derivatives | Food Cost of Living
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: هدف البحث إلى دراسة أثر أسعار المشتقات النفطية على تكاليف المعيشة الغذائية في سورية (من الشهر 9-2014 حتى 3-2023) من خلال تصميم نموذجين باستخدام الشبكات العصبونية وقياس دقتهما والمفاضلة بين نتائجهما والتنبؤ من خلال النموذج الأفضل بتكاليف المعيشة للأسرة السورية. تم التوصل في هذا الباحث إلى بناء نموذج شبكة عصبونية باستخدام شبكة دالة القاعدة الشعاعية (1-9-8) RBF، وبناء نموذج شبكة عصبونية باستخدام شبكة البيرسبترون متعدد الطبقات (1-6-8) MLP. تبين أن متغير سعر البنزين غير المدعوم الأكثر تأثير على تكاليف المعيشة الغذائية للأسرة السورية وفق النموذجين حيث تفوق نموذج MLP وأعطى نتائج أفضل وقدرة عالية في التنبؤ بتكاليف المعيشة الغذائية للأسرة السورية وفق المعايير الإحصائية RMSE, MSE وتم اعتماده للتنبؤ بالسلسلة الزمنية لتكاليف المعيشة الغذائية الشهرية للأسرة السورية خلال الـ 12 شهر القادمة من نيسان 2023 إلى آذار 2024.

The research aimed to study the impact of oil derivatives prices on the food costs of living in Syria (from 2014-9 to 2023-3) by designing two models using neural networks, measuring their accuracy, comparing their results, and predicting through the best model the costs of living for the Syrian family. In this research, we have built a neural network model using the Radial Base Function network RBF (8-9-1), and built a neural network model using the multi-layer perceptron network MLP (8 6-1). It was found that the non-subsidized gasoline price variable has the greatest impact on the food costs of living for the Syrian family according to the two models, as the MLP model excelled and gave better results and a high ability to predict the food costs of living for the Syrian family according to the statistical standards MSE and RMSE. It was adopted to predict the time series of the monthly food costs of living for the Syrian family. During the next 12 months, from April 2023 to March 2024.

ISSN: 1022-467X