Comparative approach of Box-Jenkins models and artificial neural network models on births per month in Gaza Strip using R.

العناوين الأخرى

دراسة مقارنة لنماذج بوكس-جنكنز و نماذج الشبكة العصبية الاصطناعية على مواليد قطاع غزة باستخدام برنامج R

المؤلفون المشاركون

Bakir, Suhaylah A.
Iqilan, Bishir M.

المصدر

مجلة الجامعة الإسلامية للدراسات الطبيعية

الناشر

الجامعة الإسلامية-غزة عمادة شؤون البحث العلمي و الدراسات العليا

تاريخ النشر

2017-03-31

دولة النشر

فلسطين (قطاع غزة)

عدد الصفحات

7

التخصصات الرئيسية

الرياضيات

الموضوعات

• قطاع غزة
• الرضع
• تنبؤات بوكس-جنكينز
• الشبكات العصبية(الحاسبات الإلكترونية)

الملخص الإنجليزي

Comparative studies of different forecasting techniques can facilitate the selection of the best time series model for forecasting future expectations.

In the present study, we address this problem by comparing the forecasting performance of the SARIMA model and four typical artificial neural networks, namely, MLP, ERNN, JRNN, and RBFNN in short-term forecasting for Births in Gaza Strip.

Analyses of Neural network models are done by the package (RSNNS) that is implemented in R program.

We conclude that forecasting with ANNs is accurate and more efficient than the SARIMA.

In addition, the most accurate ANNs model among the four examined Neural Networks is RBFNN.

نوع البيانات

أوراق مؤتمرات

رقم السجل

BIM-778519

• APA
• MLA
• AMA