تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > بحث>نموذج إحصائي للتنبؤ باحتياجات...>الوصف

نموذج إحصائي للتنبؤ باحتياجات مصر من مياه الري

العنوان بلغة أخرى: A Statistical Model to Predict Egypt’s Needs for Irrigation Water
المصدر: المجلة العلمية للاقتصاد والتجارة
الناشر: جامعة عين شمس - كلية التجارة
المؤلف الرئيسي: عبدالجابر، هدير بهاء الدين (مؤلف)
مؤلفين آخرين: علي، مصطفى أحمد (مشرف) , أحمد، أحمد كامل السيد (مشرف)
المجلد/العدد: ع4
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2024
الشهر: ديسمبر
الصفحات: 235 - 264
ISSN: 2636-2562
رقم MD: 1530925
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
المساحات المحصولية | الإنتاج الزراعي | إنتاج الفدان | مياه الري
كلمات المؤلف المفتاحية:
كمية مياه الري | مساحة الأراضي المستصلحة | إجمالي المساحات المحصولية | نموذج المربعات الصغرى | نموذج الانحدار المتدرج | الانحدار اللوغاريتم المزدوج | الانحدار النصف لوغاريتم وكما تم استخدام وبناء وتقدير النماذج الإحصائية الحديثة "نموذج آلة الدعم" | نموذج الشبكات العصبية | نموذج تعلم الآلي المتطرف | Quantity of Irrigation Water | Area of Reclaimed Lands | Total Cultivated Crop Areas | Ordinary Least Squares "OLS" | Support Vector Machine | Neural Network | Extreme Machine Learning | Step Wise Regression
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

3

حفظ في:
المستخلص: الدراسة إلى تحديد أهم العوامل المؤثرة على كميات مياه الري خلال الفترة من 1980 حتى 2023. وتم استخدام وبناء نماذج وتقدير النماذج الإحصائية التقليدية (نموذج المربعات الصغرى (OLS) Ordinary Least Squares - نموذج الانحدار المتدرج Step Wise Regression (SWR)- الانحدار اللوغاريتم المزدوج- الانحدار النصف لوغاريتم) وكما تم استخدام وبناء وتقدير النماذج الإحصائية الحديثة (نموذج ألة الدعم Support Vector Machine (SVM) - نموذج الشبكات العصبية Neural Network (ANN) نموذج تعلم الألي المتطرف Extreme Machine Learning (EML) وقد أوضحت النتائج وجود تأثير معنوي لكلا من (مساحة الأراضي المستصلحة وإجمالي المساحات المحصولية المنزرعة ومتوسط درجة الحرارة وأطوال المصارف المغطاة ومساحة الأراضي المستفيدة من المصارف المغطاة وعدد السكان وحجم الإنتاج من الاستزراع السمكي والإنتاج الزراعي ومتوسط إنتاج الفدان) على كمية مياه الري وقد أمكن بناء وتقدير العلاقة بقيمة تنبؤية عالية لكمية مياه الري باستخدام نموذج ANN الذي أثبت أن له قدرة تنبؤية عالية أكثر من (نموذج المربعات الصغرى) Ordinary Least Squares (OLS) - نموذج الانحدار المتدرج (SWR) Step Wise Regression - الانحدار اللوغاريتم المزدوج- الانحدار النصف لوغاريتم) وكما تم استخدام وبناء وتقدير النماذج الإحصائية الحديثة (نموذج ألة الدعم Support Vector Machine (SVM) - نموذج الشبكات العصبية Neural Network (ANN) نموذج تعلم الألي المتطرف Extreme Machine Learning (EML) اعتمادا على المتغيرات ذات التأثير المعنوي على كمية مياه الري.

The study aims to identify the most important factors affecting the quantities of irrigation water during the period from 1980 to 2013. Traditional statistical models were used and constructed (Ordinary Least Squares (OLS), Stepwise Regression, Double Logarithmic Regression, Semi-Logarithmic Regression), as well as modern statistical models (Support Vector Machine, Neural Network, Extreme Machine Learning). The results indicated a significant impact of factors such as the area of reclaimed lands, total cultivated crop areas, average temperature, length of covered drains, area of lands benefiting from covered drains, population size, fish farming production volume, agricultural production, and average yield per feddan on the quantity of irrigation water. The study successfully built and estimated the relationship with high predictive value for the quantity of irrigation water using the ANN model, which demonstrated higher predictive capability compared to the OLS, Stepwise Regression, Double Logarithmic Regression, Semi-Logarithmic Regression, Support Vector Machine, and Extreme Machine Learning models, based on the variables significantly affecting the quantity of irrigation water.
ISSN: 2636-2562

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.