استعمال أسلوب الشبكات العصبية الاصطناعية و طريقة الإمكان الأعظم التقريبية في تشخيص و تقدير افضل أنموذج موسمي لدرجات الحرارة في محافظة بابل
Other Title(s)
The use of the artificial neural network method and the approximate maximum potential method in diagnosing and estimating the best seasonal model for temperature in Babil governorate
Joint Authors
إيناس عبد الحافظ محمد
علي، كرار حمزة حسين
Source
مجلة كلية الإدارة و الاقتصاد للدراسات الاقتصادية و الإدارية و المالية
Issue
Vol. 13, Issue 3 (30 Sep. 2021), pp.80-107, 28 p.
Publisher
University of Babylon College of Administration and Economics
Publication Date
2021-09-30
Country of Publication
Iraq
No. of Pages
28
Main Subjects
Topics
Abstract AR
في هذا البحث تم تحليل سلسلة درجات الحرارة اليومية المسجلة في محافظة بابل لسنة (2020) و التي شملت (334) مشاهدة و التي تم الحصول عليها من هيئة الأنواء الجوية العراقية باستعمال نماذج الانحدار الذاتي المتوسطات المتحركة الموسمية SARIMA و نماذج الانحدار الذاتي المتوسطات المتحركة المضاعفة الموسمية بالاعتماد على البرامج الجاهزة (Minitab 17, Matlab 2015, E-views 10)، بهدف تشخيص أفضل انموذج موسمي للسلسة الزمنية من مجموعة نماذج تم توفيقها، و من ثم اختيار أفضل أنموذج من هذه النماذج باستعمال معايير المقارنة بين النماذج و هي (AIC, BIC, SMAIC) و من ثم تقدير الانموذج المشخص باستعمال طريقة الأمكان الأعظم التقريبية و من ثم المقارنة بين هذه الطريقة بأسلوب الشبكات العصبية الاصطناعية NARX.
و تم التوصل إلى أن الأنموذج الموسمي المضاعف ARIMA (P,q,d)x(P,Q,D)2 كأنموذج ممثل للسلسلة الزمنية الموسمية محل الدراسة و كذلك تم تشخيص الأنموذج الموسمي المضاعف من الرتبة ARIMA (1.1.0)X(1.2.0)2كأفضل انموذج موسمي لسلسلة درجات الحرارة.
و قد تبين بان اسلوب الشبكات العصبية الاصطناعية NARXأفضل من طريقة الإمكان الأعظم التقريبية اعتمادا على معيار متوسط مربعات الخطأ MSE.
Abstract EN
In this research, the series of daily temperatures recorded in the Babylon Governorate for the year (2020), which included (334) observations, which were obtained from the Iraqi Meteorological Authority, was analyzed using autoregressive seasonal moving averages SARIMA models and autoregressive seasonal multiple moving averages models depending on programs (Minitab 17, Matlab 2015, E-views 10) with the aim of diagnosing the best seasonal model for the time series from a set of models that have been reconciled, and then choosing the best model from these models using the comparison criteria between models (AIC, BIC, SMAIC) and then estimating The diagnosed model using the approximate maximum potential method, and then comparing this method with the artificial neural networks NARX method.
It was concluded that the doubled seasonal model ARIMA(p, q, d)x(P, Q, D)2 as a representative model for the seasonal time series under study, as well as the multiple seasonal model of the rank ARIMA(1, 1, 0)x(1, 2, 0)2 as the best seasonal model for the temperature series.
It was found that the artificial neural network NARX method is better than the approximate maximum likelihood method based on the MSE standard.
American Psychological Association (APA)
إيناس عبد الحافظ محمد وعلي، كرار حمزة حسين. 2021. استعمال أسلوب الشبكات العصبية الاصطناعية و طريقة الإمكان الأعظم التقريبية في تشخيص و تقدير افضل أنموذج موسمي لدرجات الحرارة في محافظة بابل. مجلة كلية الإدارة و الاقتصاد للدراسات الاقتصادية و الإدارية و المالية،مج. 13، ع. 3، ص ص. 80-107.
https://search.emarefa.net/detail/BIM-1282103
Modern Language Association (MLA)
إيناس عبد الحافظ محمد وعلي، كرار حمزة حسين. استعمال أسلوب الشبكات العصبية الاصطناعية و طريقة الإمكان الأعظم التقريبية في تشخيص و تقدير افضل أنموذج موسمي لدرجات الحرارة في محافظة بابل. مجلة كلية الإدارة و الاقتصاد للدراسات الاقتصادية و الإدارية و المالية مج. 13، ع. 3 (2021)، ص ص. 80-107.
https://search.emarefa.net/detail/BIM-1282103
American Medical Association (AMA)
إيناس عبد الحافظ محمد وعلي، كرار حمزة حسين. استعمال أسلوب الشبكات العصبية الاصطناعية و طريقة الإمكان الأعظم التقريبية في تشخيص و تقدير افضل أنموذج موسمي لدرجات الحرارة في محافظة بابل. مجلة كلية الإدارة و الاقتصاد للدراسات الاقتصادية و الإدارية و المالية. 2021. مج. 13، ع. 3، ص ص. 80-107.
https://search.emarefa.net/detail/BIM-1282103
Data Type
Journal Articles
Language
Arabic
Notes
يتضمن مراجع ببليوجرافية : ص. 103-107
Record ID
BIM-1282103