| LEADER |
04718nam a22003497a 4500 |
| 001 |
1507111 |
| 041 |
|
|
|a ara
|
| 100 |
|
|
|9 539071
|a عيسى، عبدالواحد عبدالله
|e مؤلف
|
| 245 |
|
|
|a دراسة مقارنة بين نماذج بوكس - جنكنز والشبكات العصبية الاصطناعية للتنبؤ بعدد حالات الإصابة بمرض الملاريا في تشاد (2004 - 2015م)
|
| 246 |
|
|
|a A Comparative Study between Box - Jenkins and Artificial Neural Networks Models to forecasting of number of cases of Malaria in Tchad 2004-2015
|
| 260 |
|
|
|a أم درمان
|c 2018
|
| 300 |
|
|
|a 1 - 123
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة دكتوراه
|c جامعة أم درمان الاسلامية
|f كلية الدراسات العليا
|g السودان
|o 1848
|
| 520 |
|
|
|a 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.
|
| 653 |
|
|
|a نماذج بوكس جنكنز
|a الشبكات العصبية الاصطناعية
|a مرضى الملاريا
|a تشاد
|a التشخيص السريري
|a البيانات الإحصائية
|
| 700 |
|
|
|9 71340
|a آدم، عبدالله سليمان محمود
|e مشرف
|
| 856 |
|
|
|u 9818-003-003-1848-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9818-003-003-1848-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9818-003-003-1848-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9818-003-003-1848-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9818-003-003-1848-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9818-003-003-1848-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9818-003-003-1848-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9818-003-003-1848-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9818-003-003-1848-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9818-003-003-1848-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9818-003-003-1848-R.pdf
|y المصادر والمراجع
|
| 856 |
|
|
|u 9818-003-003-1848-S.pdf
|y الملاحق
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 999445
|d 999445
|
