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) |
| المؤلف الرئيسي (الإنجليزية): | Shaheed, Suhad Ali |
| 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: | |
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| LEADER | 04801nam a22002297a 4500 | ||
|---|---|---|---|
| 001 | 1674330 | ||
| 041 | |a ara | ||
| 044 | |b العراق | ||
| 100 | |a شهيد، سهاد علي |g Shaheed, Suhad Ali |e مؤلف |9 249257 | ||
| 242 | |a A Comparative Study to Predict the Relative Humidity Rates (RH%) of Nineveh Governorate Using Seasonal Time Series Models and Artificial Neural Networks | ||
| 245 | |a دراسة مقارنة للتنبؤ بمعدلات الرطوبة النسبية "%RH" لمحافظة نينوى باستخدام نماذج السلاسل الزمنية الموسمية والشبكات العصبية الاصطناعية | ||
| 260 | |b الجامعة المستنصرية - كلية الإدارة والاقتصاد |c 2018 | ||
| 300 | |a 245 - 259 | ||
| 336 | |a بحوث ومقالات |b Article | ||
| 520 | |a 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. | ||
| 520 | |b 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 | ||
| 653 | |a الشبكات العصبية الاصطناعية |a الذكاء الاصطناعى |a نماذج السلاسل الزمنية الموسمية |a الشبكات العصبية الاصطناعية | ||
| 773 | |4 الاقتصاد |4 الإدارة |6 Economics |6 Management |c 017 |e Journal of Administration and Economics |f Maǧallaẗ al-idāraẗ wa-al-iqtiṣād |l 115 |m س41, ع115 |o 1148 |s مجلة الإدارة والاقتصاد |v 041 |x 1813-6729 | ||
| 856 | |u 1148-041-115-017.pdf | ||
| 930 | |d n |p y |q n | ||
| 995 | |a EcoLink | ||
| 999 | |c 926914 |d 926914 | ||
عناصر مشابهة
-
مقارنة للتنبؤ بالسلاسل الزمنية متعددة المتغيرات باستخدام الشبكات العصبية الاصطناعية ونموذج دالة التحويل: دراسة تطبيقية
بواسطة: عبدالعاطي، فاطمة علي محمد منشور: (2018) -
الذكاء الاصطناعى وتحليل السلاسل الزمنية فى حالة العينات الصغيرة
بواسطة: الشوادفي، جمال أحمد منشور: (2016) -
إستعمال أسلوب الشبكات العصبية الاصطناعية وطريقة الإمكان الأعظم التقريبية في تشخيص وتقدير أفضل إنموذج موسمي لدرجات الحرارة في محافظة بابل
بواسطة: محمد، إيناس عبدالحافظ منشور: (2021) -
طريقة مقترحة للتنبؤ بدوال التحويل باستخدام الذكاء الاصطناعي
بواسطة: حجاج، عبدالوهاب السيد عبدالوهاب منشور: (2017) -
استخدام نماذج الشبكات العصبية الاصطناعية ونماذج بوكس-جنكنز في التنبؤ بإنتاجية محصول القمح في السودان: دراسة مقارنة
بواسطة: المبارك، سعيدة خضر أحمد منشور: (2016)
