دراسة مقارنة بين نماذج بوكس - جنكنز والشبكات العصبية الاصطناعية للتنبؤ بعدد حالات الإصابة بمرض الملاريا في تشاد (2004 - 2015م)
| العنوان بلغة أخرى: |
A Comparative Study between Box - Jenkins and Artificial Neural Networks Models to forecasting of number of cases of Malaria in Tchad 2004-2015 |
|---|---|
| المؤلف الرئيسي: | عيسى، عبدالواحد عبدالله (مؤلف) |
| مؤلفين آخرين: | آدم، عبدالله سليمان محمود (مشرف) |
| التاريخ الميلادي: |
2018
|
| موقع: | أم درمان |
| الصفحات: | 1 - 123 |
| رقم MD: | 999445 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | العربية |
| الدرجة العلمية: | رسالة دكتوراه |
| الجامعة: | جامعة أم درمان الاسلامية |
| الكلية: | كلية الدراسات العليا |
| الدولة: | السودان |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
192
| المستخلص: |
تناولت هذه الدراسة المفاضلة بين نماذج بوكس- جنكنز ونماذج الشبكات العصبية للتنبؤ في السلاسل الزمنية، وقد تم التطبيق على بيانات القطاع الصحي التشادي ممثلة في السلاسل الزمنية لمرض الملاريا للفترة (2004- 2015 م). حيث يعتبر مرض الملاريا من الأمراض الواسعة الانتشار خاصة في المناطق التي تكثر فيها الأمطار، حيث كان الهدف من هذه الدراسة المفاضلة بين الأساليب المستخدمة للتنبؤ في السلاسل الزمنية ودقة التنبؤات المتحصل عليها باستخدام نماذج بوكس جنكنز ونماذج الشبكات العصبية، وقد توصل الباحث إلى أن أفضل نموذج ممثل للبيانات هو ARIMA (1.1.0) في حالة نماذج بوكس جنكنز أما في حالة نماذج الشبكات العصبية فإن شبكة البيرسبترون متعدد الطبقات ((MLP، والتي تكونت بنيتها المعمارية من ثلاثة طبقات (طبقة مدخلات (2)، طبقة خفية (3)، طبقة مخرجات (1)، واستخدمت الدالة اللوجستية كدالة تحفيز في الطبقة الخفية وفي طبقة المخرجات، واستخدمت لتدريب هذه الشبكة خوارزمية الانتشار السريع. وقد وجد أن نموذج ARIMA (1.1.0)أفضل من نموذج ANN[2-3-1] في التنبؤ بعدد حالات الإصابة الشهرية بمرض الملاريا في تشاد. وقد أظهرت نماذج بوكس- جنكنز تفوقا واضحا على نماذج الشبكات العصبية في السلسلة الزمنية محل الدراسة، وذلك لامتلاكه أقل قيم عند المقارنة اعتمادا على معامل أكايكي ومقياس متوسط الخطأ المطلق ومعامل التحديد. وقد أوصت الدراسة باستخدام نماذج بوكس- جنكنز في السلاسل الزمنية الأقل تعقيدا، وكلما ارتفعت درجة التعقيد في السلسلة يفضل استخدام نماذج الشبكات العصبية. أما في حالة البيانات التي تعاني من الاضطرابات وعدم ثبات التباين فإنه يفضل استخدام نماذج الشبكات العصبية على نماذج بوكس جنكنز وفي حالة لم يكن طول السلسلة الزمنية كافيا بحيث تظهر كل التغيرات بوضوح فإنه يفضل استخدام نماذج بوكس- جنكنز على نماذج الشبكات العصبية. |
|---|
عناصر مشابهة
-
مقارنة أداء التنبؤ بين بعض الشبكات العصبية الاصطناعية ومنهجية " بوكس - جنكنز " مع التطبيق
بواسطة: صليوا، رهاد عماد منشور: (2019) -
دراسة مقارنة أسلوب بوكس جنكنز والشبكات العصبية الاصطناعية للتنبؤ بوفيات الأطفال حديثي الولادة: دراسة حالة ولاية غرب دارفور في الفترة 1990 - 2015م
بواسطة: عبدالهادي، محمد عيسى محمد منشور: (2015) -
استخدام نماذج الشبكات العصبية الاصطناعية ونماذج بوكس-جنكنز في التنبؤ بإنتاجية محصول القمح في السودان: دراسة مقارنة
بواسطة: المبارك، سعيدة خضر أحمد منشور: (2016) -
مقارنة الإنحدار المتعدد والشبكات العصبية الإصطناعية للتنبؤ بالمصروفات البنكية
بواسطة: عبدالعاطي، فاطمة علي منشور: (2015) -
دراسة مقارنة للتنبؤ بمعدلات الرطوبة النسبية "%RH" لمحافظة نينوى باستخدام نماذج السلاسل الزمنية الموسمية والشبكات العصبية الاصطناعية
بواسطة: شهيد، سهاد علي منشور: (2018)
