الأبحاث المرتبطة بالكلمة المفتاحية: سلاسل زمنية
-
تحليل مقارن لنماذج ARIMA وNNAR لتوقع السلاسل الزمنية
2025 | المؤلف: Ghadah Alsheheri | المجلة: Journal of Applied Mathematics and Physics | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تجري هذه الورقة تحليلًا مقارنًا لنماذج ARIMA(1, 1, 0) ونماذج الشبكات العصبية التلقائية (NNAR) لتوقع السلاسل الزمنية، باستخدام كل من البيانات المحاكاة وبيانات وفيات حديثي الولادة من المملكة العربية السعودية. يعتمد تقييم أداء النموذج على مقاييس مثل متوسط الخطأ التربيعي (MSE) ومعيار أكايكي للمعلومات (AIC) ومعيار بايزي للمعلومات (BIC). تكشف النتائج أن نموذج NNAR يتفوق…
-
الذكاء الاصطناعي يلتقي بالاقتصاد: هل يمكن أن يتجاوز التعلم العميق التعلم الآلي والنماذج الإحصائية التقليدية في توقعات سلسلة زمنية التضخم؟
2025 | المؤلف: Ezekiel NN Nortey وآخرون | المجلة: Data Science in Finance and Economics | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تدرس هذه الدراسة قدرات التنبؤ لنماذج التعلم العميق (DL) والتعلم الآلي (ML) في توقع معدلات التضخم الشهرية في الولايات المتحدة الأمريكية، مقارنةً بالنماذج الإحصائية التقليدية مثل المتوسطات المتحركة المتكاملة التلقائية (ARIMA) والتنعيم الأسي (ETS) باستخدام طريقة هولت-وينترز الموسمية. باستخدام بيانات من بنك الاحتياطي الفيدرالي في سانت لويس، تشير النتائج إلى أن نماذج DL و ML…
-
التنبؤ بالأمطار باستخدام التعلم الآلي، والتعلم العميق، ونماذج السلاسل الزمنية عبر تدرج الارتفاع في جبال الهيمالايا الشمالية الغربية
2024 | المؤلف: Owais Ali Wani وآخرون | المجلة: Scientific Reports | المجال: الهندسة البيئية (Environmental Engineering)تؤكد ورقة البحث على الحاجة الملحة للتنبؤ الدقيق بالأمطار، لا سيما في جبال الهيمالايا الشمالية الغربية، حيث يعتمد حوالي 60% من الأراضي الزراعية على أمطار الرياح الموسمية. تسلط الدراسة الضوء على قيود طرق النمذجة التقليدية في هذه المنطقة، داعيةً إلى استخدام خوارزميات التعلم الآلي (ML) والتعلم العميق (DL) المتقدمة، مثل الغابة العشوائية (RF)، والانحدار باستخدام…
-
تحويل إنتاجية الزراعة باستخدام التنبؤ المدعوم بالذكاء الاصطناعي: الابتكارات في الأمن الغذائي وتحسين سلسلة التوريد
2024 | المؤلف: Sambandh Bhusan Dhal وآخرون | المجلة: Forecasting | المجال: العلوم المائية (Aquatic Science)تؤكد المراجعة على الدور الكبير لنماذج التنبؤ في مواجهة تحديات الأمن الغذائي العالمي. من خلال دمج تقنيات متقدمة مثل الذكاء الاصطناعي (AI)، وتعلم الآلة (ML)، وإنترنت الأشياء (IoT)، وتحليلات البيانات الضخمة، تعزز هذه النماذج من إنتاجية الزراعة، وتحسن كفاءة معالجة الغذاء، وت stabilizes سلاسل الإمداد. توضح دراسات الحالة من مناطق مختلفة، بما في ذلك هولندا،…
-
توفر شبكات LSTM توقعات فعالة لانتشار الطحالب الزرقاء حتى مع بيانات مكانية زمنية غير مكتملة
2024 | المؤلف: Claudia Fournier وآخرون | المجلة: Water Research | المجال: علم المحيطات (Oceanography)تقدم ورقة البحث إطارًا للتنبؤ بانتشار الطحالب الزرقاء، التي تشكل تهديدات كبيرة لوظيفة النظام البيئي وجودة المياه، خاصة عندما تكون السلالات المنتجة للسموم شائعة. تستخدم الدراسة ست سنوات من البيانات الزمانية المكانية عالية التردد من مجسات متعددة المعلمات، مع التركيز على فلوروسين الفيكوسيانين (PC) كبديل لوجود الطحالب الزرقاء. تم تطوير طريقة غير مرتبطة بالمجسات لمعالجة…
-
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
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)…
-
التعلم العميق لتحليل سلسلة زمنية لصور الأقمار الصناعية: مراجعة
2024 | المؤلف: Lynn Miller وآخرون | المجلة: IEEE Geoscience and Remote Sensing Magazine | المجال: معالجة الإشارات (Signal Processing)تقدم هذه القسم نظرة عامة على فعالية تقنيات التعلم العميق المطبقة على سلسلة زمنية من صور الأقمار الصناعية (SITS) لنمذجة متغيرات مراقبة الأرض (EO). يبرز أن طرق التعلم العميق يمكن أن تلتقط بفعالية العلاقات المعقدة بين المتغيرات، متجاوزة تقنيات التعلم الآلي التقليدية والإحصائية. تم استخدام هياكل مختلفة من التعلم العميق، بما في ذلك الشبكات العصبية…
