تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الكلمات المفتاحية
  3. دقة التنبؤ

الأبحاث المرتبطة بالكلمة المفتاحية: دقة التنبؤ




  • تأثير تقليل عدم Gaussianity على دقة التحليل والتنبؤ من خلال دمج ملاحظات الرادار كل 30 ثانية باستخدام مرشح كالمان الجماعي: تجارب مثالية للكونفكشن العميق Impact of reduced non-Gaussianity on analysis and forecast accuracy by assimilating every-30 s radar observation with ensemble Kalman filter: idealized experiments of deep convection

    2026 | المؤلف: Arata Amemiya وآخرون | المجلة: Nonlinear processes in geophysics | المجال: علوم الغلاف الجوي (Atmospheric Science)

    تدرس هذه الدراسة آثار دمج بيانات التردد العالي جداً على دقة التحليل والتوقعات باستخدام فلتر كالمان لتحويل المجموعة المحلية في سياق الحمل الحراري العميق المثالي. بناءً على النتائج السابقة التي تشير إلى أن دمج البيانات كل 30 ثانية من رادار الطقس ذو المصفوفة المرحلية (PAWR) يقلل من المشكلات المتعلقة بتوزيعات احتمالات الخطأ غير الغاوسي، تستخدم…


  • التحليلات المالية المدفوعة بالذكاء الاصطناعي: تعزيز دقة التنبؤ، إدارة المخاطر، واتخاذ القرار في المالية المؤسسية AI-Driven Financial Analytics: Enhancing Forecast Accuracy, Risk Management, and Decision-Making in Corporate Finance

    2026 | المؤلف: Mbonigaba Celestin وآخرون | المجلة: Janajyoti Journal | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    لقد حولت دمج الذكاء الاصطناعي (AI) في التحليلات المالية بشكل ملحوظ المالية الشركات من خلال تحسين دقة التنبؤ، وإدارة المخاطر، وكفاءة اتخاذ القرار. تستخدم هذه الدراسة نهجًا مختلطًا، مستفيدة من النمذجة التنبؤية، وتحليل الانحدار، وتقييم تأثير الذكاء الاصطناعي لتقييم الأداء المالي قبل وبعد تنفيذ الذكاء الاصطناعي. تشير النتائج الرئيسية إلى أن نماذج التنبؤ المدفوعة بالذكاء…


  • معالجة التحديات في توقعات السلاسل الزمنية: مقارنة شاملة لتقنيات التعلم الآلي Addressing challenges in time series forecasting: a comprehensive comparison of machine learning techniques

    2026 | المؤلف: Seyedeh Azadeh Fallah Mortezanejad وآخرون | المجلة: Statistical Theory and Related Fields | المجال: معالجة الإشارات (Signal Processing)

    تتناول الورقة الحاجة المتزايدة لأساليب التحليل المتقدمة في سياق بيانات السلاسل الزمنية (TS)، المدفوعة بالتقدم التكنولوجي. وتؤكد على الاعتماد المتزايد للأنظمة الإدارية الحديثة على تقنيات معالجة البيانات الفعالة وتبرز انتشار أساليب التعلم الآلي (ML) لتحليل السلاسل الزمنية والتنبؤ بها. يقوم المؤلفون بتجميع ومقارنة خوارزميات مختلفة لمهام الانحدار في السلاسل الزمنية مقابل الطريقة التقليدية ARIMA، باستخدام…


حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.