تقييم تنبؤ السلسلة الزمنية لمعدلات درجات الحرارة باستخدام الشبكات العصبية

Abstract AR

قورنت في هذا البحث دقة التنبؤ بين الطريقة الإحصائية للسلاسل الزمنية المتمثلة بمنهجية (بوكس-جنكنز) و بعض الشبكات العصبية الاصطناعية من خلال تطبيق ثلاث شبكات هي (FFNN) Feed Forward Neural Network و (Elman Neural Network (ENN و الشبكة الثالثة هي شبكة (Nonlinear Autoregressive with Exogenous Input (NARX، تختلف هذه الشبكات فيما بينها من حيث وجود التغذية العكسية في هيكليتها من عدمه، و تم التطبيق على بيانات المعدلات الشهرية لدرجات الحرارة العظمى لمدينة De Belt الهولندية للأعوام من 1983-2009 لدقتها، إذ بلغ عددها 324 مشاهدة و الإبقاء على 12 مشاهدة كعينة بعدية للمقارنة مع قيم التنبؤ التي يتم الحصول عليها من النموذج، و قد بينت نتائج التنبؤ أن أداء الشبكات العصبية ذوات التغذية العكسية أفضل من غيرها و من أداء (بوكس-جنكتز).