ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > طريقة مقترحة للتنبؤ بدوال التح...>الوصف

طريقة مقترحة للتنبؤ بدوال التحويل باستخدام الذكاء الاصطناعي

العنوان بلغة أخرى: A Suggested Method for Forecasting Transfer Functions Using Artificial Intelligence
المصدر: المجلة العلمية لقطاع كليات التجارة
الناشر: جامعة الأزهر - كلية التجارة
المؤلف الرئيسي: حجاج، عبدالوهاب السيد عبدالوهاب (مؤلف)
المؤلف الرئيسي (الإنجليزية): Hagag, Abd El-Wahab
مؤلفين آخرين: متولي، نادر فتحي (م. مشارك)
المجلد/العدد: ع18
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2017
الشهر: يوليو
الصفحات: 586 - 634
DOI: 10.21608/JSFC.2017.25911
ISSN: 2636-3674
رقم MD: 983260
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الذكاء الإصطناعي | الشبكات العصبية | السلاسل الزمنية | التحليل الإحصائي | مستخلصات الأبحاث
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: هذا البحث يعتبر امتداد البحث Alshawadfi (2003) والذي قدم فيه طريقة جديدة ومؤثرة للتنبؤ بنماذج ARMA، باستخدام أحد طرق الذكاء الاصطناعي وهي طريقة الشبكات العصبية، كما قارن بين الطريقة المقترحة وطريقة بوكس-جينكنز. كما يعد هذا البحث امتداد البحث الشوادفي، حجاج (2013) والذي قدما فيه طريقة جديدة للتنبؤ بنماذج ARMA-X، باستخدام طريقة الشبكات العصبية أيضا، ويتضمن هذا البحث هدفين: أولهما: تعميم طريقة Alshawadfi، الشوادفي حجاج (2013) للتنبؤ بالسلاسل الزمنية المولدة من نماذج دالة التحويل باستخدام الشبكات العصبية الاصطناعية (ANN)، ولتحقيق هذا الهدف تم توليد 96000 عينة بأحجام مختلفة (150- 100-60-40-25) من نماذج دالة التحويل بمعلمات مختلفة تستخدم لتدريب الشبكة، بعد ذلك تم مقارنة البيانات المولدة بالبيانات الحقيقية لقياس دقة التنبؤات. الهدف الثاني: مقارنة أداء الطريقة المقترحة للشبكات العصبية الاصطناعية مع أداء طريقة " بوكس وجينكنز" لتوضيح أي منهما أفضل للتنبؤ بنماذج دالة التحويل وذلك من خلال قياس دقة التنبؤات لكل من الطريقتين باستخدام ثلاث طرق هي متوسط مربعات الخطأ ،Mean of Squared Error (MSE) متوسط الانحرافات المطلقة ،Mean Absolute Deviation (MAD)، نسبة الحالات التي تتحقق فيها أخطاء مطلقة أقل في الطريقتين The Percentage of cases of Minimum Absolute error (MAEP) ولانجاز عملية تدريب الشبكة واختبارها وحساب تنبؤات طريقتي بوكس- جينكنز والشبكات العصبية مع المقارنة بين الطريقتين تم استخدام حزم برامج ما تلاب .MATLAB وتم تصميم برنامج كمبيوتر مناسب ضمن حزم برامج ما تلاب ) MATLABأنظر الملحق المرفق مع البحث) لتوليد البيانات ولإنجاز عملية تدريب الشبكة واختبارها وحساب تنبؤات طريقتي بوكس- جينكنز والشبكات العصبية مع المقارنة بينهما. وقد أظهرت نتائج البحث وجود قدرة عالية للطريقة المقترحة للتنبؤ لنماذج دالة التحويل باستخدام أحد طرق الذكاء الاصطناعي- وهي طريقة الشبكات العصبية- علي التنبؤ بالقيم المستقبلية للسلسلة الزمنية المعطاة وذلك بطريقة آلية، حيث أظهرت النتائج من دراسة 32000 عينة والتي تم توليدها أن متوسط مربعات أخطاء التنبؤ MSE خاصة في حالة العينات الصغيرة، ومتوسط القيمة المطلقة لخطأ التنبؤ MAD، وكذلك متوسط النسبة MAEP أفضل من نظيرتها في أسلوب بوكس- جينكنز، وذلك كمتوسط عام بالنسبة لكل العينات وكل النماذج وللمشاهدات المستقبلية الثلاث الأولى. وبناءا على ذلك يمكن القول بصلاحية الطريقة المقترحة للتنبؤ بالقيم المستقبلية للسلاسل الزمنية المولدة من نماذج دالة التحويل

This paper has two objects. First, we present artificial neural networks method for forecasting transfer function time series. Second, we compare the proposed method with the well known Box-Jenkins method through a simulation study . To achieve these objects 96000 samples, generated from different transfer function models, different sizes (100,150,200,250), were used for the network training. Then the system was tested for generated data . The accuracy of the neural network forecasts(NNF) is compared with the corresponding Box-Jenkins forecasts by using three tools: the mean square error (MSE) , the mean absolute deviation of error (MAD) and the ratio of closeness from the true values (MPE) . A suitable computer program was designed (MATLAB TOOLBOX) for NN training , testing and comparing with Box-Jenkins method . The forecasts of the proposed NN approach, as shown from three measures, seem to provide better results than the classical forecasting Box-Jenkins approach . The results suggest that the ANN approach may provide a superior alternative to the Box-Jenkins forecasting approach for developing forecasting models in situations that do not require modeling of the internal structure of the series . The numerical results show that the proposed approach has a good performance for the forecasting of transfer function models
ISSN: 2636-3674

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.