الأبحاث المرتبطة بالكلمة المفتاحية: سلسلة (طبقات الأرض)
-
GLC_FCS10: مجموعة بيانات عالمية لتغطية الأرض بدقة 10 أمتار مع نظام تصنيف دقيق من بيانات السلاسل الزمنية Sentinel-1 وSentinel-2 في Google Earth Engine
2025 | المؤلف: Xiao Zhang وآخرون | المجلة: Earth system science data | المجال: علم البيئة (Ecology)تقدم البحث إطار عمل هرمي جديد لرسم خرائط تغطية الأراضي عالية الدقة، مما يؤدي إلى نظام التصنيف الدقيق لتغطية الأراضي العالمية بدقة 10 م (GLC_FCS10). باستخدام بيانات السلاسل الزمنية من Sentinel-1 و Sentinel-2، يتضمن الإطار عينات تدريب موزعة عالميًا تم تحسينها من منتجات تغطية الأراضي السابقة المختلفة. تجمع المنهجية بين رسم الخرائط الهرمي، والنمذجة التكيفية…
-
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…
-
توقعات سلسلة زمنية لمامبا مع تقدير عدم اليقين
2025 | المؤلف: Pedro Pessoa وآخرون | المجلة: Machine Learning Science and Technology | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)يتناول هذا القسم قيود نموذج مساحة الحالة Mamba في التنبؤ بالسلاسل الزمنية، مع تسليط الضوء بشكل خاص على متوسط أخطائه التي تبلغ حوالي 8% في استهلاك الكهرباء و18% في معايير إشغال المرور. لمعالجة هذه الأخطاء، يقترح المؤلفون إطار عمل مزدوج الشبكة، يسمى Mamba-ProbTSF، والذي يعزز قدرات التنبؤ لـ Mamba من خلال توليد توقعات نقطية وتقدير…
-
بنية جديدة قائمة على المحولات مع انتباه مزدوج لتوقع السلاسل الزمنية المالية
2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Journal of King Saud University – Computer and Information Sciences | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم ورقة البحث بنية جديدة تعتمد على الانتباه المزدوج للتنبؤ المالي، حيث تتناول تعقيدات ديناميات السوق من خلال إطار عمل معزز للتشفير وفك التشفير. يتكون النموذج المقترح من شبكتين متوازيتين: شبكة انتباه الأسعار (PAN) وشبكة انتباه غير الأسعار (NAN). تركز شبكة PAN على استخراج ميزات معقدة من بيانات الأسعار التاريخية باستخدام وحدة انتباه ذاتي مقنع…
-
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…
-
تحليل تباين التنسور المعزز بذكاء: تمكين تصنيف السلاسل الزمنية متعددة الأبعاد في بيئات البيانات المنخفضة
2025 | المؤلف: Anushiya Arunan وآخرون | المجلة: Expert Systems with Applications | المجال: الرياضيات الحسابية (Computational Mathematics)تقدم هذه الدراسة إطارًا جديدًا، وهو تحليل الموتر التبايني المعزز بذكاء (ITA-CTF)، يهدف إلى تحسين تصنيف بيانات السلاسل الزمنية متعددة الأبعاد، خاصة في السيناريوهات التي تحتوي على بيانات تدريب محدودة. يتناول الإطار التحديات المتعلقة بتعلم الميزات المعقدة، مثل الاعتماديات عبر الأبعاد والتباينات داخل الفئات، والتي غالبًا ما تعيقها مشكلة الإفراط في التكيف في أساليب التعلم…
-
إطار توقعات معزز بالذكاء الاصطناعي: دمج LSTM وتحليل المشاعر القائم على المحولات لتوقع أسعار الأسهم
2025 | المؤلف: Diego Vallarino | المجلة: Journal of Economic Analysis | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم هذه الورقة البحثية إطار عمل هجين للتعلم العميق لتوقع أسعار الأسهم يجمع بين شبكات الذاكرة طويلة وقصيرة الأجل (LSTM) وتحليل المشاعر القائم على المحولات، مع استخدام FinBERT لاستخراج المشاعر من الأخبار المالية. يهدف النموذج إلى تعزيز دقة التنبؤ من خلال دمج بيانات الأسعار التاريخية المنظمة مع إشارات المشاعر غير المنظمة. تظهر النتائج التجريبية، المستندة…
-
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…
-
لماذا تعتبر GRADE الأساسية ضرورية: مقدمة لسلسلة جديدة في The BMJ
2025 | المؤلف: Gordon Guyatt وآخرون | المجلة: BMJ | المجال: المهن الصحية العامة (General Health Professions)تقدم هذه المقالة سلسلة من الأوراق التي تقدم إرشادات محدثة لنهج GRADE (تقييم وتطوير وتقييم التوصيات). تم تطوير إطار عمل GRADE الأساسي لتوفير ملخص واضح ومنظم للمكونات الأساسية لـ GRADE، والتي تعتبر حاسمة للمستخدمين لتقييم يقين الأدلة وقوة التوصيات بشكل فعال. الجمهور الرئيسي لهذه السلسلة يشمل مؤلفي المراجعات المنهجية، ومطوري الإرشادات السريرية، ومحترفي تقييم التكنولوجيا…
-
تقييم تأثير COVID-19 على التهاب الكبد الوبائي B في مقاطعة خنان واتجاهه الوبائي بناءً على نموذج السلاسل الزمنية الهيكلية بايزي
2025 | المؤلف: Xinxiao Li وآخرون | المجلة: BMC Public Health | المجال: النمذجة والمحاكاة (Modeling and Simulation)تستكشف هذه الدراسة تأثير جائحة COVID-19 على إشعارات حالات التهاب الكبد B (HB) في هنان، باستخدام طريقة السلاسل الزمنية الهيكلية بايزيان (BSTS) لتحليل بيانات حدوث HB الشهرية من يناير 2013 إلى سبتمبر 2022. تشير النتائج إلى انخفاض كبير في إشعارات HB خلال الجائحة، مع انخفاضات بنسبة 38% من يناير إلى مارس 2020 و12% من يناير…