ارسل ملاحظاتك

ارسل ملاحظاتك لنا







استخدام نماذج ARIMA الموسمية والشبكات العصبية ANN للتنبؤ بأسعار النفط الخام فى اليمن والمقارنة بين نماذج التنبؤ

المصدر: مجلة العلوم الإدارية والاقتصادية
الناشر: جامعة عدن - كلية الاقتصاد والعلوم الإدارية
المؤلف الرئيسي: القاسمى، فواز حسن (مؤلف)
المجلد/العدد: ع12
محكمة: نعم
الدولة: اليمن
التاريخ الميلادي: 2013
الشهر: ديسمبر
الصفحات: 9 - 41
DOI: 10.36056/0442-000-012-001
ISSN: 2222-6702
رقم MD: 862094
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

38

حفظ في:
المستخلص: إلى جانب الأساليب المستخدمة سابقا في التنبؤ، فقد ظهرت أساليب جديدة في التنبؤ منها الشبكات العصبية، وتستخدم لمعالجة البيانات وهي قادرة على تنفيذ مهام مثل تقدير الدوال غير الخطية والتصنيف وغيرها، وإحدى السمات البارزة لهذه النماذج هو إمكانية استخدامها سواء من خلال التدريب أو الخبرة. في هذا البحث تم دراسة نماذج الانحدار الذاتي والمتوسطات المتحركة المتكاملة الموسمية (أريما) والشبكات العصبية الاصطناعية (ann)" ومقارنة هاتين الطريقتين لغرض التنبؤ بالاتجاه الشهري لأسعار النفط للفترة من 1/1/2005 إلى 31/12/2010م حيث أن الانحدار الذاتي المتكاملة والمتوسط المتحرك والشبكات العصبية الاصطناعية هي على التوالي أدق النماذج الخطية وغير الخطية للتنبؤ "بالسلاسل الزمنية" وتظهر من خلال النتائج أن الشبكات العصبية هي أدق في التنبؤ ببيانات السلاسل الزمنية من نماذج أريما الموسمية.

Besides the methods previously used in the prediction , it has emerged new ways to predict , including neural networks , is used for data processing and are able to perform tasks such as estimating functions are non-linear classification, and others and one of the salient features of these models is the possibility to use either through training or experience . In this research, we will try to study auto regression models and integrated moving averages ( ARIMA ) and " artificial neural network " (ANN) and compared these two methods for the purpose of predicting the monthly trend in oil prices for the period from 01/01/2005 to 31/12/2010 as autoregressive integrated the moving average and artificial neural networks are straight and accurate linear models to predict the non linear " time-series and it Ghows through the results that neural networks are more accurate in predicting the data time-series models of ARIMA

ISSN: 2222-6702