ارسل ملاحظاتك

ارسل ملاحظاتك لنا







نموذج إحصائي للتنبؤ بالاحتياجات من الطاقة الكهربائية في قطاع المنازل بالعراق : دراسة تطبيقية

المصدر: المجلة المصرية للدراسات التجارية
الناشر: جامعة المنصورة - كلية التجارة
المؤلف الرئيسي: المهدي، إبراهيم محمد (مؤلف)
مؤلفين آخرين: الشناوي، رضا عبدالفتاح مصطفى (م. مشارك), عبدالحق، بلال صمد (م. مشارك)
المجلد/العدد: مج38, ع3
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2014
الصفحات: 431 - 455
رقم MD: 666127
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

37

حفظ في:
المستخلص: في محاولة لبناء نموذج FARIMAX للتنبؤ بالكمية المستهلكة من الكهرباء في قطاع المنازل بالعراق، تم استخدام بيانات سلسلة زمنية من يناير ٢٠٠٧ حتى شهر ديسمبر (2012) أي (٧٢) مشاهدات شهرية للكمية المستهلكة من الكهرباء، وتم استخدام (6) أشهر التالية حتى يونيو ٢٠١٣ لاختبار جودة النموذج المقدر. توصل البحث إلى أن اهم المتغيرات التي تؤثر في الكمية المستهلكة من الكهرباء في قطاع المنازل بالعراق هي عدد المشتركين والرطوبة النسبية، وأفضل نموذج للتنبؤ بالكمية المستهلكة في قطاع المنازل هو (0, d, 12, X) FARIMAX، ويوصي البحث بأهمية استخدام الأساليب العلمية في التنبؤ مثل السلاسل الزمنية ويمكن الجمع بين السلاسل الزمنية والشبكات العصبية أو الانحدار، يمكن إضافة بيانات مقطعية للأسرة مثل دخل الأسرة، عمر رب الأسرة، محل الإقامة، .. مما يفيد في عملية بناء نموذج إحصائي ملائم ويساعد في عملية التخطيط المستقبلي.

In an attempt to build a model for predicting FARIMAX quantity of electricity consumed in the housing sector in Iraq, has been use a time series of data from January 2007 until December (2012) for the amount of electricity consumed, and using the next (6) months until June 2013 of data to test the quality of the estimated model. The research found that the most important variables affecting of consumed quantity of electricity in the housing sector in Iraq is the number of participants and humidity, and the best model for predicting amount consumed in the housing sector is FARIMAX (0, d, 12, X), and recommended research the importance of using scientific methods to predict such as time-series can be combined with neural networks or regression, can be added sectional data to the family, such as family income, age of household, place of residence, which benefits ... in the process of building statistical model which helps in the process of planning in the future.