ترغب بنشر مسار تعليمي؟ اضغط هنا

دراسة مقارنة بين نموذج ARIMA وطريقة التمهيد الأسي في التنبؤ بالسلاسل الزمنية

A Comparative study on ARIMA model and Exponential smoothing method in time series forecasting

921   3   0   0.0 ( 0 )
 تاريخ النشر 2017
  مجال البحث الاحصاء الرياضي
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تهدف هذه الدراسة إلى المقارنة بين نماذج Arima وطريقة التمهيد الأسي بالتنبؤ في السلاسل الزمنية، كما نسلط الضوء على مفاهيم الأساسية الخاصة بمنهجية ARIMA وطريقة التمهيد الأسي. ركزت الدراسة على التنبؤ بالسلاسل الزمنية ذات النطاق الضيق بين نقطة وأخرى ذات نطاق واسع بالاضافة إلى استخدام أطوال مختلفة من فترات التنبؤ وقد تم استخدام معيار RMSE للمقارنة بين الطريقتين.


ملخص البحث
تهدف هذه الدراسة إلى مقارنة نماذج ARIMA وطريقة التمهيد الأسي في التنبؤ بالسلاسل الزمنية. تركز الدراسة على التنبؤ بالسلاسل الزمنية ذات النطاق الضيق بين نقطة وأخرى وذات النطاق الواسع بين نقطة وأخرى، بالإضافة إلى استخدام أطوال مختلفة من فترات التنبؤ. تم استخدام بيانات أسعار الصرف اليومية للشيكل مقابل الدولار الأمريكي من الفترة 25/1/2010 إلى 22/10/2016، وكذلك أسعار الذهب الأسبوعية من 10/1/2010 إلى 23/10/2016. تم استخدام معيار RMSE للمقارنة بين الطريقتين. توصلت الدراسة إلى أن نماذج ARIMA تعطي تنبؤات أفضل للسلاسل الزمنية ذات النطاق الواسع بين نقطة وأخرى وللتنبؤ طويل الأمد، بينما يمكن للتمهيد الأسي إعطاء تنبؤات أفضل للسلاسل الزمنية ذات النطاق الضيق بين نقطة وأخرى كما في أسعار صرف العملات.
قراءة نقدية
دراسة نقدية: تعتبر هذه الدراسة مهمة في مجال التنبؤ بالسلاسل الزمنية، إلا أنها قد تكون محدودة في تطبيقاتها بسبب اعتمادها على نوعين فقط من البيانات (أسعار الصرف وأسعار الذهب). كان من الممكن أن تكون الدراسة أكثر شمولية إذا تضمنت أنواعًا أخرى من السلاسل الزمنية. كما أن استخدام معيار RMSE فقط لتقييم الأداء قد لا يكون كافيًا، وكان من الأفضل استخدام معايير أخرى مثل MAE أو MAPE لتقديم صورة أكثر شمولية عن أداء النماذج.
أسئلة حول البحث
  1. ما هي البيانات المستخدمة في هذه الدراسة؟

    تم استخدام بيانات أسعار الصرف اليومية للشيكل مقابل الدولار الأمريكي من الفترة 25/1/2010 إلى 22/10/2016، وكذلك أسعار الذهب الأسبوعية من 10/1/2010 إلى 23/10/2016.

  2. ما هو المعيار المستخدم للمقارنة بين الطريقتين في الدراسة؟

    تم استخدام معيار RMSE للمقارنة بين الطريقتين.

  3. ما هي النتائج التي توصلت إليها الدراسة بخصوص نماذج ARIMA؟

    توصلت الدراسة إلى أن نماذج ARIMA تعطي تنبؤات أفضل للسلاسل الزمنية ذات النطاق الواسع بين نقطة وأخرى وللتنبؤ طويل الأمد.

  4. ما هي النتائج التي توصلت إليها الدراسة بخصوص طريقة التمهيد الأسي؟

    توصلت الدراسة إلى أن التمهيد الأسي يمكن أن يعطي تنبؤات أفضل للسلاسل الزمنية ذات النطاق الضيق بين نقطة وأخرى كما في أسعار صرف العملات.


المراجع المستخدمة
(Makridakis, 1998): "Forecasting :Methods and Applications" , 2nd ed. John Wiley & Sons New York U.S.A.
قيم البحث

اقرأ أيضاً

حظيت نمذجة وتوقع السلاسل الزمنية بأهمية كبيرة في العديد من المجالات التطبيقية كالتنبؤ بالطقس وأسعار العملات ومعدلات استهلاك الوقود والكهرباء، إن توقع السلاسل الزمنية من شأنه أن يزود المنظمات والشركات بالمعلومات الضرورية لاتخاذ القرارات الهامة، وبسبب أهمية هذا المجال من الناحية التطبيقية فإن الكثير من الأعمال البحثية التي جرت ضمنه خلال السنوات الماضية، إضافةً إلى العدد الكبير من النماذج والخوارزميات التي تم اقتراحها في أدب البحث العلمي والتي كان هدفها تحسين كل من الدقة والكفاءة في نمذجة وتوقع السلاسل الزمنية.
تشهد زراعة الزيتون تطوراً ملحوظاً في الجمهورية العربية السورية من حيث المساحة المزروعة و عدد الأشجار و نوعية الأصناف المزروعة من الزيتون. نتيجة هذا التطور احتلت سورية المركز الأول في إنتاج الزيتون عربياً والمرتبة الخامسة عالمياً بعد إسبانيا وإيطاليا واليونان وتركيا متجاوزة تونس التي كانت تحتل المركز الأول عربياً. يتأثر إنتاج الزيتون كمتغير تابع بكثير من العوامل التي يمكن عدها مستقلة: و هي عدد الأشجار و عمر الشجرة و صنف الشجرة و كمية الأمطار و درجة الحرارة و مكان زراعة الزيتون....إلا أن أهم ما يؤثر في إنتاج الزيتون هو ظاهرة المعاومة. المعاومة أو تبادل الحمل الثمري alternate fruit bearing في الأشجار المثمرة. تؤدي ظاهرة المعاومة إلى تأثر سلسلة إنتاج الزيتون بعوامل دورية منتظمة فضلاً عن العوامل الأخرى، الاتجاه العام و العوامل العشوائية. هدفت هذه الدراسة إلى تقديم أسلوب جديد لنمذجة السلاسل الزمنية ذات الدور المنتظم و تحليلها و تطبيقها على إنتاج الزيتون في الجمهورية العربية السورية. خلصت الدراسة إلى وضع نموذج قياسي مبني على الأسلوب الجديد المقترح يمكن استخدامه في. التنبؤ بإنتاج الزيتون قي سورية، و قد قمنا بالتنبؤ بحجم الإنتاج حتى عام 2016.
استعرضنا في هذا العمل بعض أهم أساليب التنبؤ بالمتسلسلات الزمنية وهي تحليل المتسلسلات الزمنية إلى مركباتها الأساسية (اتجاه عام، موسمية، دورية، عشوائية)، طرائق التمهيد الأسي، نماذج الانحدار الذاتي والمتوسطات المتحركة التكاملية، ثم استعرضنا عدة طرائق هج ينة للتنبؤ، ثم قدمنا طريقة جديدة مقترحة للتنبؤ تعتمد على دمج طريقتي التمهيد الأسي و بوكس-جنكينز وذلك وفق المتوسط الموزون بقيم معايير متوسط الأخطاء المطلق النسبي MAPE لكلا الطريقتين، وطبقنا الطرائق السابقة على ثلاث متسلسلات زمنية موسمية، الأولى متسلسلة درجات الحرارة الجافة ساعياُ في مدينة حلب وذلك في شهر آب للعام 2011 أي طول الدورة الموسمية s=24، والثانية متسلسلة كمية إنتاج الحليب شهرياً في استراليا مقاسة بالرطل لكل بقرة وذلك من شهر كانون الثاني عام 1962 ولغاية شهر كانون الأول عام 1975 أي طول الدورة الموسمية s=12، أما الثالثة متسلسلة كمية الكهرباء المنتجة في استراليا فصلياً وذلك في الفترة الممتدة من آذار 1956 ولغاية أيلول للعام 1994 أي طول الدورة الموسمية s=4، وقارننا النتائج التي توصلنا إليها فكانت أفضل طريقة للتنبؤ هي الطريقة المقترحة.
هدف البحث إلى التنبؤ بمساحة وإنتاج محصول التبغ على مستوى الجمهورية العربية السورية للفترة ما بين (2019-2027) باستخدام تحليل نماذجARIMA ، بالاعتماد على بيانات السلاسل الزمنية الخاصة بالمساحة المزروعة والإنتاج للفترة ما بين (1975-2017)؛ تم الاعتماد في البحث بصفة أساسية علي البيانات الثانوية لمنظمة الأغذية والزراعة العالمية (FAO) ، وعلى الطريقة الإستقرائية في التحليل من الناحيتين الوصفية والكمية، باستخدام التحليل الخطي لدوال انحدار السلاسل الزمنية في صورها الرياضية المختلفة، وكذلك استخدام أسلوب بوكس جينكنز Box-Jenkins للتنبؤ بالقيم المستقبلية للإنتاج الزراعي باستخدام طريقة تقدير الإمكانية العظمى ((MLE Maximum Likelihood Estimated لنماذج تكامل الانحدار الذاتي- للوسط المتحرك Autoregressive Integrated Moving Average (ARIMA)؛ بينت النتائج أن أفضل النماذج التنبؤية بالمساحة المزروعة والإنتاج خلال الفترة المدروسة هي ARIMA (2،2،2).ووفقا للنموذج المختار فإن المساحة المزروعة ستصل عام(2019) إلى 7136.9 هكتار ما بين حد أدنى 3010.4 هكتار وحد أعلى 11236.5 هكتار، كما أنها ستستمر بالانخفاض حتى عام (2025) لتصل إلى 3588.5 هكتار، لتعود للارتفاع مرة أخرى عام (2026) لتصل إلى 4966.7 هكتار ما بين حد أدنى 4553.5 هكتار وأعلى 10487.0 هكتار ومن المتوقع أن تنخفض عام (2027) لتصل إلى 3830.5 هكتار ما بين حد أدنى 3623.6 وأعلى 10284.5 هكتار. أما حجم الإنتاج سيبلغ عام (2019 ) 9130.9 طن ما بين حد أدنى 3056.9 طن وحد أعلى 15205.0 طن، كما انه سيستمر بالانخفاض حتى عام (2025) ليصل إلى 920.0 طن ليعود للارتفاع مرة أخرى عام ( 2026) ليصل إلى 6766.4طن ما بين حد أدنى 6579.3 طن وأعلى 7932.0 طن، ومن ثم يعود للانخفاض مرة أخرى عام( 2027) ليصل إلى 2281.4 طن.
نقدم في هذا البحث التوزيع الأسي النيتروسوفيكي الذي هو عبارة عن تمديد للتوزيع الأسي الكلاسيكي وفق منطق النيتروسوفيك ( و هو منطق جديد غير كلاسيكي تم تأسيسه من قبل الفيلسوف و الرياضي الأميركي فلورنتن سمارانداكه الذي قدمه كتعميم للمنطق الضبابي و خاصة ا لمنطق الضبابي الحدسي) الذي يمكننا من التعامل مع كافة البيانات حتى غير المحددة بشكل دقيق.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا