الأبحاث المرتبطة بالكلمة المفتاحية: سلسلة (طبقات الأرض)
-
تقدير الرتبة وأحمال العوامل في نموذج عامل موتر السلاسل الزمنية بواسطة المتوسط المسبق
2024 | المؤلف: Weilin Chen وآخرون | المجلة: The Annals of Statistics | المجال: الرياضيات الحسابية (Computational Mathematics)في هذا القسم، يتناول المؤلفون التحديات التي تطرحها الارتباطات التسلسلية في المكونات الفردية لنماذج عوامل سلسلة الزمن التنسورية، لا سيما في السياقات المالية والاقتصادية. الطرق التقليدية، التي تفترض استقلال المكونات الفردية، غير كافية في ظل هذه الظروف. بينما يُعرف أن طريقة التكرار العمودي من الدرجة العليا (HOOI) تتقارب إلى مصفوفات تحميل العوامل، فإن فعاليتها في…
-
قياس extremes المياه العذبة الساحلية خلال هطول الأمطار غير المسبوق باستخدام ملاحظات ملوحة متعددة المنصات على مدى فترات زمنية طويلة
2024 | المؤلف: Neil Malan وآخرون | المجلة: Nature Communications | المجال: علم المحيطات (Oceanography)قسم “الطرق” يوضح الأساليب التجريبية والتحليلية المستخدمة في الدراسة. استخدم الباحثون مزيجًا من التقنيات الكمية والنوعية لجمع البيانات، مما يضمن فهمًا شاملاً للظواهر قيد التحقيق. شملت المنهجيات المحددة تجارب محكمة، وتحليلات إحصائية، ونماذج، تم تصميمها لاختبار الفرضيات التي تم صياغتها في بداية البحث. شمل جمع البيانات أخذ عينات منهجية وتطبيق بروتوكولات موحدة لضمان الموثوقية والصلاحية.…
-
نموذج دمج غير خطي معزز بواسطة GAN لتوقع أسعار الأسهم
2024 | المؤلف: Yingcheng Xu وآخرون | المجلة: International Journal of Computational Intelligence Systems | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم ورقة البحث نهجًا جديدًا لتوقع أسعار الأسهم من خلال تطوير TSGAN، وهو نموذج تعلم عميق يدمج الشبكات التنافسية التوليدية (GANs) مع الشبكات العصبية التلافيفية (CNNs) ونموذج هجين يتكون من الشبكات العصبية التلافيفية المعتمدة على الانتباه (ACNN)، والذاكرة طويلة وقصيرة الأجل (LSTM)، ومتوسط الحركة التكاملي الذاتي الانحدار (ARIMA). تسلط الدراسة الضوء على التحديات التي تواجهها…
-
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…