ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > دراسة مقارنة للتنبؤ بمعدلات ال...>الوصف

دراسة مقارنة للتنبؤ بمعدلات الرطوبة النسبية "%RH" لمحافظة نينوى باستخدام نماذج السلاسل الزمنية الموسمية والشبكات العصبية الاصطناعية

العنوان المترجم: A Comparative Study to Predict the Relative Humidity Rates (RH%) of Nineveh Governorate Using Seasonal Time Series Models and Artificial Neural Networks
المصدر: مجلة الإدارة والاقتصاد
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: شهيد، سهاد علي (مؤلف)
المجلد/العدد: س41, ع115
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2018
الصفحات: 245 - 259
ISSN: 1813-6729
رقم MD: 926914
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الشبكات العصبية الاصطناعية | الذكاء الاصطناعى | نماذج السلاسل الزمنية الموسمية | الشبكات العصبية الاصطناعية
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تعد الشبكات العصبية من أهم مجالات الذكاء الاصطناعي الذي يعكس تطوراً هاماً ملموساً في طريقة التفكير الإنساني، وتدور فكرة الشبكات العصبية حول محاكاة العقل البشري باستخدام الحاسب الآلي. وقد يعود التطور المنظور في هذا المجال إلى العديد من الدراسات التي تمت في مجال المعالجة العصبية المحاكاة عن طريق حل المشاكل التي تواجهه، وذلك من خلال اتباع عمليات التعلم الذاتي والتي تعتمد على الخبرات المختزنة في الشبكة التي تحقق أفضل النتائج. ويقصد بالنماذج السلاسل الزمنية الموسمية هي مجموعة من القيم المشاهدة المرتبطة مع بعضها تولدت بشكل متعاقب مع استمرار الزمن وتشير إلى النمط المتماثل لحركة السلسلة الزمنية في الأشهر المتقابلة خلال السنوات المتتالية. وقد توصل البحث إلي أن أفضل أنموذج باستخدام الشبكات العصبية هو NN(1)، 12;10الذي يضم (12) متغيراً مزاح و(10) عقد مخفية، وبالنسبة لنماذج السلاسل الزمنية الموسمية فقد كان الأنموذج 12SARMA (1,0,1) , (0,1,1). وقد تم استخدام بعض المقاييس الإحصائية لاختبار أفضلية الأسلوبين في التنبؤ والذي كانت نتيجته هو أسلوب السلاسل الزمنية الموسمية إذ حصل على أقل قيم بالنسبة للاختبارات (MAD.MAPE. MAE RMSE). على التوالي، بذلك كان أفضل طريقة للتنبؤ بالرطوبة النسبية (RH%) لمحطة الموصل هو باستخدام النموذج SARMA (1.0,1) , (0,1,1)12.

The neural network is one of the most important fields of artificial intelligence, which reflects an important development in a significant way of human thinking, and spin around the idea of neural networks simulate the human mind using the computer. Foreseeable development in this area may be due to several studies, which has in the field of neural processing simulation by solving the problems that face, and by following the self-learning processes that rely on the expertise stored in the network, which yield better results. It is intended models of seasonal time series is a set of viewing values associated with each generated sequentially with the continuation of time and refer to replicate the pattern of movement of the time series in the opposite months during successive years. Research has found that the best model is the use of neural networks (NN (1,12; 10)) which includes (12) variable backward in time and (10) hidden contract. For the time-series models seasonal has been the model SARMA (1, 0, 1), (0,1,1)12. we have been using some statistical measurements to test the advantage two modes in the prediction which was its result is the style of the time series as seasonal got the lowest values for tests (RMSE,MAE,MAPE,MAD) respectively. It was the best way to predict the relative humidity (RH%) of the province of Mosul is using the model SARMA (1,0,1), (0,1,1)12
ISSN: 1813-6729

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.