ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام الشبكات العصبية فى الت...>الوصف

استخدام الشبكات العصبية فى التكهن بالسلسلة الزمنية لاستهلاك الطاقة الكهربائية فى مدينة الموصل

المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: الخياط، باسل يونس ذنون (مؤلف)
مؤلفين آخرين: زكي، عزة حازم (م. مشارك)
المجلد/العدد: ع 8
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2005
الصفحات: 63 - 79
ISSN: 1680-855X
رقم MD: 419114
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
العراق | السلاسل الزمنية | الاحصاء | التحليل الاحصائى | الطاقة الكهربائية | الموصل | الشبكات العصبية
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

8

حفظ في:
المستخلص: يعد التكهن بالسلوك المستقبلي للسلاسل الزمنية من الموضوعات المهمة في العلوم الإحصائية، وذلك للحاجة إليه في مجالات الحياة جميعا، وقد تزايد الاهتمام بموضوع التكهن خلال السنوات الأخيرة وظهرت أساليب حديثة خاصة في مجال علوم الحاسبات، ومنها نماذج الشبكات العصبية الاصطناعية Artificial Neural Networks، إن هذه الأساليب قادرة على التعلم والتكيف ذاتيا مع أي نموذج، ولا تحتاج إلى افتراضات لطبيعة السلسلة الزمنية. بالمقابل فان طرائق التكهن الكلاسيكية المستخدمة حاليا مثل طريقة بوكس-جينكنز Box-Jenkins قد يصعب فيها تشخيص السلسلة ونمذجتها لأنها تفترض شروط صارمة. لذلك ظهرت الحاجة إلى مقارنة الطرائق الكلاسيكية المستخدمة في التكهن بالسلاسل الزمنية مع أسلوب الشبكات العصبية لإيجاد الأسلوب الأكثر كفاءة في التكهن.

Forecasting of future behavior of time series is one of the important subjects in statistical sciences, because of its important need in different areas of life. Interest in forecasting had increased in the recent years, and some new techniques in the field of computer science, like Artificial Neural Networks (ANN), had appeared. These techniques have the ability learning and self- adaptation with any model, and don’t need assumptions on the nature of time series. On the other hand the classical forecasting methods, like Box-Jenkins method, need hard conditions. Hence, the need for a comparison between classical methods in forecasting of time series with ANN technique arose
ISSN: 1680-855X
البحث عن مساعدة: 666127 635966

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.