ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تكهن السلاسل الزمنية بنموذج UC...>الوصف

تكهن السلاسل الزمنية بنموذج UCM : دراسة مقارنة باستخدام بيانات نهر دجلة

المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: Muttar, Thafer Ramathan (مؤلف)
مؤلفين آخرين: Hussain, Elham Abd Alkareem (م. مشارك)
المجلد/العدد: ع 14
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2008
الصفحات: 32 - 47
ISSN: 1680-855X
رقم MD: 419903
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
البرامج الالكترونية | مستخلصات الابحاث | السلاسل الزمنية | الاساليب الاحصائية | البرامج الاحصائية | التنبؤ المستقبلى | قواعد البينات | نهر دجلة | العراق
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

3

حفظ في:
المستخلص: يتناول هذا البحث بناء نموذجين رياضيين أساسيين للتكهن بتدفق مياه نهر دجلة الداخلة إلى مدينة الموصل، الأول هو نموذج المكونات غير المشاهدة Unobserved Components Model والذي يرمز له بـ UCM والثاني هو نموذج الانحدار الذاتي والمتوسطات المتحركة Autoregressive and Moving Average والذي يرمز له بـ ARMA، إذ تم بناء 10 نماذج أولية من نماذج ARMA لبيانات السلسلة الزمنية لتدفق نهر دجلة بعد تحويل هذه البيانات إلى الصيغة القياسية للتخلص من التأثيرات الموسمية، وكان أفضل نموذج يمثل البيانات من هذه النماذج هو نموذج ARMA (2,2) اعتمادا على معيار اكاكي المصحح بينما كان نموذج ARMA (1,2) أفضل نموذج تكهني لامتلاكه أقل قيمة لمتوسط الخطأ المطلق Mean Absolute Error والذي يرمز له بالرمز MAE وتم التوصل إلى أن نتائج التكهن بنموذج UCM أفضل من نتائج التكهن بنموذج ARMA اعتمادا على المعيار الإحصائي MAE.

In this paper, we build two basic models to forecast a flow water of the Tigris river which enters to mosul city. The first model is Unobserved Components Model which is abbreviated as UCM, the second is Autoregressive and Moving Average model which is mentioned as ARMA, we built 10 primary models from ARMA to data of the time series of flow Tigris river after we transfer the data to a standrized form to remove seasonal effects. The best model which represented the data among ARMA models which are mentionted above is ARMA (2,2) by depending on the correction of Akaike information criterion which is symbolized by AICc. while ARMA(1,2) model is the best model for forecasting because it has a minimum mean absolute error which is symbolized by MAE. We obtained that the forecasting of flow water by UCM model is better than the results of ARMA (1,2) model by depending on the criterion MAE .
وصف العنصر: ملخص لبحث منشور باللغة الانجليزية
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.