الأبحاث المرتبطة بالكلمة المفتاحية: سلاسل زمنية
-
التنبؤ بسلاسل الزمن باستخدام التعلم العميق: نهج الشبكات العصبية التلافيفية للتنبؤ باتجاهات التضخم
2025 | المؤلف: Mostafa Abotaleb وآخرون | المجلة: EDRAAK | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تستكشف هذه الدراسة استخدام الشبكات العصبية التلافيفية (CNNs) للتنبؤ باتجاهات التضخم في مصر، مع معالجة قيود النماذج الاقتصادية التقليدية مثل ARIMA و VAR في التقاط الاعتماديات الزمنية المعقدة وغير الخطية في بيانات السلاسل الزمنية الاقتصادية. باستخدام بيانات التضخم التاريخية من 1960 إلى 2023، تم تطوير نموذج CNN من خلال منهجية تضمنت معالجة البيانات، واستخراج الميزات…
-
دراسة توقعات انبعاثات ثاني أكسيد الكربون اليومية من خلال تحليل مقارن لنماذج التعلم الآلي، التعلم العميق، والنماذج الإحصائية
2025 | المؤلف: Adewole Adetoro Ajala وآخرون | المجلة: Environmental Science and Pollution Research | المجال: الهندسة البيئية (Environmental Engineering)تستكشف هذه الدراسة توقعات انبعاثات ثاني أكسيد الكربون اليومية من 1 يناير 2022 إلى 30 سبتمبر 2023، عبر أربعة من أعلى المناطق المصدرة: الصين، الهند، الولايات المتحدة، والاتحاد الأوروبي 27 والمملكة المتحدة. تقيم أداء 14 نموذجًا، بما في ذلك أربعة نماذج إحصائية (ARMA، ARIMA، SARMA، SARIMA)، وثلاثة نماذج تعلم آلي (آلة الدعم الناقل، الغابة العشوائية،…
-
نموذج دمج عميق لتوقع سوق الأسهم باستخدام عناوين الأخبار وبيانات السلاسل الزمنية
2024 | المؤلف: Pin‐Yu Chen وآخرون | المجلة: Neural Computing and Applications | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم هذه الورقة البحثية نموذج تعلم عميق متعدد الوسائط جديد لتوقع اتجاهات الأسهم، مع معالجة تعقيدات سوق الأسهم من خلال دمج مصادر بيانات متعددة. يجمع الهيكل المقترح بين نموذج يعتمد على BERT، تم ضبطه بدقة على الأخبار المالية، مع شبكة الذاكرة طويلة وقصيرة المدى (LSTM) لالتقاط الأنماط الزمنية في أسعار الأسهم والمؤشرات الفنية. يتم إثبات…
-
التعلم العميق لتوقع اتجاه سعر البيتكوين: نماذج واستراتيجيات تداول تمت مقارنتها تجريبيًا
2024 | المؤلف: Oluwadamilare Omole وآخرون | المجلة: Financial Innovation | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تستكشف هذه الورقة البحثية تطبيق نماذج التعلم العميق، وتحديدًا الشبكة العصبية التلافيفية – الذاكرة القصيرة والطويلة (CNN-LSTM)، وشبكة السلاسل الزمنية الطويلة والقصيرة (LSTNet)، والشبكة التلافيفية الزمنية (TCN)، جنبًا إلى جنب مع نموذج ARIMA القياسي، للتنبؤ بتحركات سعر البيتكوين باستخدام بيانات السلسلة. تستخدم الدراسة تقنيات اختيار ميزات متنوعة، بما في ذلك بوروتا، والخوارزمية الجينية (GA)، وآلة…
-
توقع اتجاهات الأسهم المالية وبيانات الاقتصاد باستخدام تحليل السلاسل الزمنية بتقنية التعلم الآلي
2024 | المؤلف: Haotian Zheng وآخرون | المجلة: Applied and Computational Engineering | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تستكشف هذه الورقة دور التعلم الآلي في تحليل السلاسل الزمنية المالية، وخاصة في التنبؤ بالاتجاهات في أسهم الشركات المالية والبيانات الاقتصادية. تميز بين أنواع الأسهم المختلفة وتناقش استراتيجيات إدارة المخاطر داخل سوق الأسهم. تقيم الورقة الأساليب الإحصائية التقليدية، مثل ARIMA والتنعيم الأسي، مع تسليط الضوء على نقاط قوتها وضعفها في التنبؤ الاقتصادي. ثم تؤكد على…
-
توقع أسعار الأسهم في السلاسل الزمنية بناءً على خوارزمية جينية (GA) – شبكة الذاكرة طويلة وقصيرة المدى (LSTM)
2024 | المؤلف: Xinye Sha | المجلة: Advances in Economics Management and Political Sciences | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم هذه الورقة البحثية خوارزمية جديدة للتنبؤ بالسلاسل الزمنية تدمج تحسين الخوارزمية الجينية (GA) مع شبكة الذاكرة طويلة وقصيرة المدى (LSTM) للتنبؤ بأسعار الأسهم، مع معالجة التحديات التي تطرحها عصر البيانات الكبيرة. تبدأ المنهجية بتحليل إحصائي وصفي لبيانات الأسهم، تليها بناء وتدريب نموذج GA-LSTM. تؤدي عملية التحسين إلى تقليل كبير في متوسط الخطأ المطلق (MAE)…
-
TFB: نحو تقييم شامل وعادل لطرق التنبؤ بالسلاسل الزمنية
2024 | المؤلف: Xiangfei Qiu وآخرون | المجلة: Proceedings of the VLDB Endowment | المجال: معالجة الإشارات (Signal Processing)تقدم البحث TFB، وهو معيار آلي لأساليب التنبؤ بالسلاسل الزمنية (TSF)، مصمم لتعزيز المقارنة التجريبية وتقييم تقنيات التنبؤ عبر مجالات متنوعة مثل المرور والطاقة والصحة والاقتصاد. يعالج TFB العيوب الحرجة في المعايير الحالية، بما في ذلك تغطية نطاق البيانات المحدودة، والتحيز ضد أساليب التنبؤ التقليدية، وعدم الاتساق في خطوط تقييم الأداء. من خلال دمج مجموعات…
-
نموذج توقع السلاسل الزمنية لاستخراج أنماط السلاسل غير الثابتة باستخدام التعلم العميق ونمذجة GARCH
2024 | المؤلف: Huimin Han وآخرون | المجلة: Journal of Cloud Computing Advances Systems and Applications | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم هذه الورقة نموذجًا هجينًا لتوقع السلاسل الزمنية يدمج بين التغاير الشرطي الذاتي العام (GARCH)، وتحليل النمط التجميعي الكامل مع الضوضاء التكيفية (CEEMDAN)، والشبكات العصبية التلافيفية (GCN). يعالج النموذج التعقيدات الكامنة في بيانات السلاسل الزمنية، مثل الاتجاهات وعدم الثبات، من خلال استخدام GARCH أولاً لتعلم التقلبات ثم تطبيق CEEMDAN لتفكيك البيانات بشكل فعال. تبسط هذه…
