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 هجينة 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.
We discussed in this work some predictive methods for time series and it is decomposing time series to its component (trend, Seasonality, cycle, random), Exponential smoothing, ARIMA, then we discussed some combining methods, then we formed a new combine for predict time series which depends on combining exponential smoothing and ARIMA using weighted average with MAPE weights, and applied all methods above on three seasonal time series , first hourly temperature in Aleppo in august 2011 ,second monthly milk production peer cow in Australia from Jan 1962 to Dec 1975,third quartly electricity production in Australia from Mar 1956 to Sep 1994, and compared the results which approved that the suggested method is the best.
Artificial intelligence review:
Research summary
تتناول هذه الأطروحة دراسة طرق التنبؤ باستخدام المتسلسلات الزمنية الموسمية. يتم تحليل المتسلسلات الزمنية إلى مكوناتها الأساسية مثل الاتجاه العام، الموسمية، الدورية، والعشوائية. كما يتم استعراض طرق التمهيد الأسي ونماذج بوكس-جنكينز (ARIMA) لتحليل المتسلسلات الزمنية. تقترح الأطروحة طريقة جديدة للتنبؤ تعتمد على دمج طريقة التمهيد الأسي مع نموذج بوكس-جنكينز باستخدام المتوسط الموزون بمعيار متوسط الأخطاء المطلق النسبي (MAPE). تم تطبيق هذه الطرق على ثلاث متسلسلات زمنية موسمية: درجات الحرارة في حلب بشكل ساعي، إنتاج الحليب في أستراليا بشكل شهري، وإنتاج الكهرباء في أستراليا بشكل فصلي. أظهرت النتائج أن الطريقة المقترحة هي الأفضل للتنبؤ بهذه المتسلسلات.
Critical review
تعتبر هذه الأطروحة إضافة قيمة لمجال تحليل المتسلسلات الزمنية الموسمية، حيث تقدم طريقة جديدة تجمع بين طريقتين معروفتين لتحليل المتسلسلات الزمنية. ومع ذلك، يمكن توجيه بعض الملاحظات النقدية لتحسين العمل. أولاً، كان من الممكن توسيع نطاق الدراسة لتشمل متسلسلات زمنية من مجالات أخرى غير المناخ والإنتاج الزراعي والصناعي، مما يعزز من عمومية النتائج. ثانياً، قد يكون من المفيد استخدام معايير أخرى لتقييم دقة التنبؤ مثل MASE أو RMSE بجانب MAPE. أخيراً، يمكن تحسين الأطروحة بإضافة دراسات حالة إضافية لتأكيد فعالية الطريقة المقترحة في ظروف مختلفة.
Questions related to the research
-
ما هي الطريقة الجديدة المقترحة في الأطروحة للتنبؤ بالمتسلسلات الزمنية الموسمية؟
الطريقة الجديدة المقترحة تعتمد على دمج طريقة التمهيد الأسي مع نموذج بوكس-جنكينز باستخدام المتوسط الموزون بمعيار متوسط الأخطاء المطلق النسبي (MAPE).
-
ما هي المتسلسلات الزمنية التي تم تطبيق الدراسة عليها؟
تم تطبيق الدراسة على ثلاث متسلسلات زمنية موسمية: درجات الحرارة في حلب بشكل ساعي، إنتاج الحليب في أستراليا بشكل شهري، وإنتاج الكهرباء في أستراليا بشكل فصلي.
-
ما هي المكونات الأساسية التي يتم تحليل المتسلسلات الزمنية إليها؟
يتم تحليل المتسلسلات الزمنية إلى مكوناتها الأساسية مثل الاتجاه العام، الموسمية، الدورية، والعشوائية.
-
ما هي الطرق الأخرى التي تم استعراضها في الأطروحة لتحليل المتسلسلات الزمنية؟
تم استعراض طرق التمهيد الأسي ونماذج بوكس-جنكينز (ARIMA) لتحليل المتسلسلات الزمنية.
References used
Hyndman R.; Kandhakar Y., 2008- Automatic Time Series Forecasting: the Forecast Package for R. Journal of Statistical Software, 26(3), 1-22.
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
The study aims at comparing ARIMA models and the exponential
smoothing method in forecasting. This study also highlights the special
and basic concepts of ARIMA model and the exponential smoothing
method.
The comparison focuses on the ability
The study and design of water dams depend essential on prediction of water volumes
or future predicted in rivers, by using the time series analysis of the historical
measurements.
The research aims to make statistical study of monthly water volume
The study and design of water-intakes on springs is based on the analysis of time series of
historical measurements to achieve prediction of incoming water volumes or future
expected.
The research aims to model the monthly water flows of AL-SIN Sp
The four components of temperature (max., min.) phenomena, seasonal(S), Trend(T),
cyclical(C), and random (I) for Tartous city have been studied. Four different methods
(Average percentages method, Percentage of the general trend method, The ratio