الأبحاث المرتبطة بالكلمة المفتاحية: سلاسل زمنية
-
أساليب السلاسل الزمنية والتعلم العميق لتوقع الطاقة المتجددة في دكا: دراسة مقارنة لنماذج ARIMA وSARIMA وLSTM
2025 | المؤلف: Mohammad Liton Hossain وآخرون | المجلة: Discover Sustainability | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقيّم الورقة البحثية فعالية النماذج الإحصائية ونماذج التعلم العميق – تحديدًا ARIMA وSARIMA وLSTM – في التنبؤ بالطاقة المتجددة على المدى القصير إلى المتوسط في دكا، بنغلاديش، في ظل زيادة الطلب على الطاقة بسبب التحضر والتصنيع. تكشف الدراسة أنه بينما تؤدي النماذج الكلاسيكية مثل ARIMA وSARIMA بشكل كافٍ في السيناريوهات قصيرة الأجل، فإنها تواجه صعوبة…
-
نهج الشبكة العصبية العميقة المدمج مع التعلم المعزز لتوقع أسعار الصرف باستخدام بيانات السلاسل الزمنية والعوامل المؤثرة
2025 | المؤلف: T. Soni Madhulatha وآخرون | المجلة: Scientific Reports | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم الدراسة بنية هجينة جديدة تجمع بين شبكات الذاكرة طويلة وقصيرة المدى (LSTM) وعوامل الشبكة العميقة Q (DQN) لتوقع أسعار الصرف، مع التركيز بشكل خاص على مجموعة بيانات USD/INR. تعزز هذه الطريقة النماذج التقليدية من خلال دمج التعلم المعزز، مما يسمح للنظام بالتعلم التكيفي من التغذية الراجعة وتحسين دقة التنبؤ، كما تقاس بواسطة مقاييس مثل…
-
نماذج السلاسل الزمنية الهجينة وتعلم الآلة لتوقع الوفيات القلبية الوعائية في الهند: تحليل محدد بالعمر
2025 | المؤلف: Macarena Teja وآخرون | المجلة: BMC Public Health | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تبحث ورقة البحث في اتجاهات وفيات أمراض القلب والأوعية الدموية (CVD) في الهند من 1990 إلى 2021، باستخدام بيانات من معهد قياسات الصحة والتقييم (IHME). تصنف الدراسة بيانات الوفيات إلى خمس فئات عمرية وتستخدم نماذج ARIMA الكلاسيكية والنماذج الهجينة، مع دمج تقنيات التعلم الآلي مثل الغابة العشوائية، آلة الدعم الناقل (SVM)، XGBoost، وGARCH للتنبؤ. تكشف…
-
التنبؤ بأسعار الزراعة المعتمد على RNN و GNN باستخدام السلاسل الزمنية المتعددة المتغيرات وتأثير تلطيف تقلباتها على المدى القصير
2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)في هذه الدراسة، يستكشف المؤلفون تقنيات التعلم الآلي للتنبؤ بأسعار السلع الزراعية، مع التركيز على تأثير العوامل البيئية مثل الطقس. قاموا بإنشاء مجموعة بيانات زمنية متعددة المتغيرات تدمج أسعار الجملة لأربعة سلع زراعية في كوريا الجنوبية، وستة متغيرات جوية، وأرقام الأسابيع. تستخدم الدراسة طريقتين متقدمتين للتنبؤ: نموذج الذاكرة طويلة وقصيرة المدى (LSTM) المكدس القائم على…
-
تقييم طرق التنبؤ بحمى الضنك: دراسة مقارنة للنماذج الإحصائية وتقنيات التعلم الآلي في ريو دي جانيرو، البرازيل
2025 | المؤلف: Xiang Chen وآخرون | المجلة: Tropical Medicine and Health | المجال: الصحة العامة والبيئية وصحة العمل (Public Health, Environmental and Occupational Health)تستقصي هذه الدراسة الأداء التنبؤي والكفاءة الحسابية لمجموعة متنوعة من النماذج الإحصائية وتقنيات التعلم الآلي لتوقع تفشي حمى الضنك، تحديدًا في ريو دي جانيرو، البرازيل. تؤكد الأبحاث على أهمية التنبؤ الدقيق بحمى الضنك للتخطيط والتدخل في الصحة العامة، خاصة من خلال دمج العوامل المناخية المعروفة بتأثيرها على انتقال المرض. تم استخدام نهج النافذة الديناميكية لتوليد…
-
دويت: تحسين مزدوج للتجميع المعزز لتوقعات السلاسل الزمنية المتعددة المتغيرات
2025 | المؤلف: Xiangfei Qiu وآخرون | المجلة: Proceedings of the 31st ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1 | المجال: معالجة الإشارات (Signal Processing)تقدم ورقة البحث DUET، وهو إطار عمل جديد مصمم لتعزيز توقعات السلاسل الزمنية متعددة المتغيرات، حيث يتناول التحديات التي تطرحها الأنماط الزمنية غير المتجانسة والارتباطات المعقدة بين القنوات. يستخدم DUET نهج تجميع مزدوج، يتضمن وحدة تجميع زمنية (TCM) تصنف السلاسل الزمنية إلى توزيعات دقيقة. وهذا يسمح بتطبيق مستخلصات أنماط متخصصة مصممة لكل مجموعة، مما يعكس…
-
تطوير نموذج هجين قائم على التعلم الآلي مع تعديل موسمي للتنبؤ بتحذير موجات الحرارة
2025 | المؤلف: M. Qureshi وآخرون | المجلة: Scientific Reports | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تناقش هذه الفقرة التأثير الحاسم لموجات الحرارة على الاستدامة البيئية والصحة العامة، خاصة في المناطق الضعيفة والمناطق التي تشهد حضرًا سريعًا. تؤدي موجات الحرارة إلى نقص المياه، وضغط على النباتات، وتراجع في نمو النباتات، وهو أمر أساسي لإنتاج الطاقة وسلسلة الغذاء. إن التنبؤ الفعال بموجات الحرارة أمر حيوي لأنظمة الإنذار المبكر وتدخلات الصحة العامة، حيث…
-
التعلم العميق القابل للتفسير لتحليل السلاسل الزمنية: دمج SHAP وLIME في نماذج قائمة على LSTM
2025 | المؤلف: Divyani Sen | المجلة: Journal of Information Systems Engineering & Management | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)يتناول القسم دمج SHAP (SHapley Additive exPlanations) و LIME (Local Interpretable Model-agnostic Explanations) مع شبكات الذاكرة طويلة وقصيرة الأمد (LSTM) لتعزيز قابلية تفسير هذه النماذج العميقة، التي غالبًا ما تُعتبر “صناديق سوداء”. يوفر LIME تفسيرات محلية من خلال تقريب النموذج بنماذج أبسط وقابلة للتفسير، بينما يقدم SHAP تفسيرًا شاملاً من خلال قياس مساهمة كل ميزة…
-
QSegRNN: شبكة عصبية متكررة كمية لتوقع السلاسل الزمنية
2025 | المؤلف: K.M. Moon وآخرون | المجلة: EPJ Quantum Technology | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تناقش هذه الفقرة التحديات المرتبطة بإدارة درجة حرارة محولات الكهرباء في مراكز البيانات، وخاصة تلك المستخدمة في أبحاث الذكاء الاصطناعي (AI). إن توليد الحرارة الكبير من هذه المحولات يتطلب إدارة فعالة لدرجة الحرارة، مما يحفز البحث المكثف في نماذج التنبؤ المعتمدة على الذكاء الاصطناعي. ومع ذلك، فإن الحجم المتزايد والمتطلبات الحاسوبية لهذه النماذج غالبًا ما…
-
تعزيز سلسلة زمنية للنمو الاقتصادي لتوقعات الإمارات باستخدام التعلم العميق: نهج Seq2Seq وLSTM المدفوع بالانتباه
2025 | المؤلف: Ioannis Adamopoulos وآخرون | المجلة: EDRAAK | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تعمل هذه الدراسة على تعزيز توقعات النمو الاقتصادي في دولة الإمارات العربية المتحدة (الإمارات) من خلال استخدام نموذج Seq2Seq للتعلم العميق مع شبكة الذاكرة طويلة وقصيرة المدى (LSTM) المدفوعة بالاهتمام. غالبًا ما تفشل النماذج الإحصائية التقليدية في التقاط الاعتماديات الزمنية المعقدة والاتجاهات غير الخطية الموجودة في بيانات السلاسل الزمنية الاقتصادية. تستخدم الدراسة منهجية منظمة، تبدأ…