Using Artificial Neural Network Model with Time Series Monthly Average Electricity Demand in Kurdistan Region
| المصدر: | زانكو - الإنسانيات |
|---|---|
| الناشر: | جامعة صلاح الدين |
| المؤلف الرئيسي: | Mahmood, Saman Hussein (Author) |
| المجلد/العدد: | مج20, ع6 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2016
|
| الصفحات: | 421 - 432 |
| ISSN: |
2218-0222 |
| رقم MD: | 789573 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | HumanIndex |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
Forecasting | Artificial Neural Networks | SARIMA
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
يعد التنبؤ في السلاسل الزمنية من الموضوعات المهمة في العلوم الإحصائية لمساعدة الحكومة في التخطيط واتخاذ القرارات الدقيقة لذا تتناولت هذه الدراسة أساليب التنبؤ وتتمثل بنماذج الشبكات العصبية الاصطناعية Artificial Neural Networks وبالتحديد الشبكة متعددة الطبقات إذ اعتمدت خوارزمية التغذية العكسية BP) Back Propagation) ونموذج بوكس جنكنز Box- Jenkins (نموذج الموسمي المضاعف)، وقد تم تطبيق على السلسلة الزمنية للطلب على الكهربائية في إقليم كوردستان للفترة (2011-2015). ثم المقارنة بين دقة قيم التكهن المتحصل عليها من النموذجين، حيث وجد أن نموذج الموسمي المضاعف 12 (0.1.1) (1.1.0) SARIMA يعطي نتائج أفضل واكثر كفاءة لبيانات السلسلة من نموذج الشبكات العصبية الاصطناعية وفق المعايير الإحصائية (RMSE, MAPE) المستخدمة للمقارنة. وأخيرا، استخدام أفضل نموذج للتنبؤ بمعدل الشهري للطلب على الكهربائية في إقليم كوردستان لفترة (12) شهرا لعام 2016. Forecasting in the time series is one of the important subjects in statistical science. It helps the government to make a good plan in order to get an accurate decision in future. This research deals with methods for forecasting which is artificial neural networks models; specifically MultiLayer Networks as adopted back propagation algorithm feedback and Box-Jenkins model (seasonal multiplicative model). It has been applied on the series of time for the electricity demand in Kurdistan Region for the period between (2011– 2015). We compared both results in models based on their prediction accuracy. It was found that SARIMA (1, 1, 0) (0, 1, 1) 12 gives the better result than the neural network model based on statistical criteria (RMSE, MAE, MAPE), used for comparison. Finally, using the best model to forecast the electricity monthly average demand in the Kurdistan Region for a period (12 months in 2016). |
|---|---|
| ISSN: |
2218-0222 |
عناصر مشابهة
-
Domestic water demand dorecasting using artificial neural networks and time series
بواسطة: Abo Monasar, Amin Ali منشور: (2010) -
Forecasting Electricity Consumption in Algeria Using Artificial Neural Networks
بواسطة: Sidi Mohammed, Chekouri منشور: (2022) -
Predicting Bivariate Time Series by Using Transfer Function Models and Artificial Neural Network Models
بواسطة: Al-Sharoot, Mohammed Habeb منشور: (2021) -
Using Proposed Hybrid Method for Neural Networks and Wavelet to Estimate Time Series Model
بواسطة: علي، طه حسين منشور: (2022) -
Short-Term Load Forecasting for Khartoum State Electricity Region Using Artificial Neural Networks
بواسطة: Mohamed, Alsharif Sharif Taha منشور: (2014)
