ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > التنبؤء بكميه الماء المستهلكة...>الوصف

التنبؤء بكميه الماء المستهلكة في مدينة أربيل باستخدام النموذج السلاسل الزمنية "SARIMA"

العنوان المترجم: Predicting the Amount of Water Consumed in Erbil City Using SARIMA Time Series Model
المصدر: زانكو - الإنسانيات
الناشر: جامعة صلاح الدين
المؤلف الرئيسي: حسن، مروان طارق (مؤلف)
المؤلف الرئيسي (الإنجليزية): Marwan Tariq Hasan
مؤلفين آخرين: حسن، سامية خالد (م. مشارك)
المجلد/العدد: مج21, ع6
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2017
الصفحات: 415 - 425
ISSN: 2218-0222
رقم MD: 868245
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
السياسة المائية | الأمن المائي | نموذج السلاسل الزمنية | أربيل | العراق
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: إن الهدف من هذا البحث هو تقدير افضل النموذج للتنبؤ بكمية الماء المستهلكة في مدينة أربيل استخدام نموذج السلاسل الزمنية(SARIMA) ، ولغرض ذلك تم اختبار السلسلة من حيث الاستقرارية والعشوائية. ومن خلال تحليل السلسلة تبينت أنها غير مستقرة وغير عشوائية وأيضا تضمنت تأثير عنصر الموسمية. ولغرض تحقيق الاستقرارية والعشوائية والتخلص من تأثير عنصر الموسمية تم أخذ التحويلات اللازمة وهي اللوغاريتم الطبيعي والفرق الأول الموسمي والغير الموسمي. وتم استخدام معيار(RMSE) لاختيار النموذج المناسب من بين النماذج المقترحة، وتبين ان افضل النموذج للسلسلة المحولة هو نموذج الموسمي المضاعف SARIMA(1,1,1)x(3,1,0)12 . وتم اختبار معنوية النموذج بواسطة إختبار حسن المطابقة (Box& Pierce) ومن ثم التنبؤ بقيم السلسلة لأشهر السنوات (2015- 2017).

The purpose of this research is to estimate the best model for forecasting the amount of water consumed in Erbil city using ARIMA time series model. For this purpose, the series have been tested for stationary and for randomness. Through analyzing the series, it showed that the series is non-stationary and not random and it also contained the seasonality element. The suitable transformations have been taken to achieve stationary and randomness which represents taking the natural logarithm, first non-seasonal differencing, and first seasonal differencing. The RMSE criterion has been used for selecting the optimal model among suggested models. It showed that the best model of the transformed series is a multiplier seasonal model SARIMA(1,1,1)(3,1,0)12. The significant test of the model has been taken using the goodness of fit test (Box & Pierce) and then forecasting the series values of the year months (2015 – 2017).
ISSN: 2218-0222

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.