Schoobrary رجوع
العودة إلى البحث
رسائل ماجيستير العربية 2026 f80a1402-60bd-48e3-88ee-a7699912caf6

استعمال بعض أساليب التحليل الانتروبي للتنبوء بسلسلة الزمنية الضبابية مع تطبيق عملي

Using Some Entropy Analysis Methods for Forecasting Fuzzy Time Series with a Practical

إيمان ميري جبار دخيل, إيناس عبدالحافظ محمد

كلية الادارة والاقتصاد-جامعة كربلاء · العراق

الموضوعات

إحصاء

الملخص

يمثل التفاعل بين التعقيد وعدم الاكتمال أحد التحديات المهمة في تحليل السلاسل الزمنية، إذ غالبا ما تتضمن هذه البيانات أنماطا غير خطية، وتقلبات مفاجئة، وضوضاء عشوائية، مما يؤثر في كفاءة النماذج الإحصائية وقدرتها على تمثيل السلوك الفعلي للبيانات والتنبؤ بقيمها المستقبلية. ولمعالجة هذه التحديات، تبرز أهمية أساليب التصنيف المعتمدة على مفهوم الإنتروبيا (Entropy)، المستمد من نظرية المعلومات، لما توفره من أدوات كمية لقياس درجة عدم الانتظام والتعقيد في البيانات، فضلا عن إمكانية توظيفها في تقسيم البيانات إلى فئات تساعد على الكشف عن خصائصها وأنماطها المختلفة. وتعد السلاسل الزمنية الضبابية (Fuzzy Time Series) من الأساليب المهمة في نمذجة البيانات التي تتسم بعدم اليقين والغموض، إذ تعتمد على نظرية المجموعات الضبابية ودوال الانتماء (Membership Functions) لتمثيل القيم والعلاقات التي يصعب وصفها بصورة دقيقة باستخدام النماذج التقليدية. وتتيح هذه المنهجية مرونة أكبر في التعامل مع التغيرات غير المنتظمة والتقلبات التي قد تظهر في السلاسل الزمنية، ولا سيما عندما تكون البيانات متأثرة بعوامل متعددة يصعب تحديد أثرها بصورة كاملة. وانطلاقا من ذلك، اعتمدت هذه الدراسة منهجية هجينة تجمع بين استراتيجيات الإنتروبيا وأساليب السلاسل الزمنية الضبابية، بهدف تحسين آلية تقسيم البيانات وبناء دوال الانتماء، ومن ثم تطوير نماذج قادرة على تمثيل خصائص السلسلة الزمنية وتحسين دقة التنبؤ. تضمنت الدراسة تقييم ومقارنة ثلاثة نماذج تنبؤية قائمة على الإنتروبيا، هي: أنموذج السلاسل الزمنية الضبابية المعتمد على الإنتروبيا (Entropy-based Fuzzy Time Series, EBFTS)، وأنموذج إنتروبيا التبديل الضبابية (Fuzzy Permutation Entropy, FPE)، وأنموذج المصنف الضبابي ذاتي التنظيم المعتمد على الإنتروبيا (Entropy-based Self-Organizing Fuzzy Classifier). وهدفت المقارنة إلى تحديد الاختلافات في الأداء التنبؤي لهذه النماذج وتقييم قدرتها على تمثيل البيانات في ظل أحجام عينات مختلفة. ولتحقيق ذلك، استُخدمت المحاكاة بطريقة مونت كارلو (Monte Carlo Simulation) لأحجام عينات بلغت (n=50,100,150,200)، بما يتيح دراسة أداء النماذج عند أحجام العينات الصغيرة والمتوسطة والكبيرة. وتم تقييم دقة التنبؤ باستخدام متوسط مربع الخطأ (Mean Squared Error, MSE)، والجذر التربيعي لمتوسط مربع الخطأ (Root Mean Squared Error, RMSE)، ومتوسط الخطأ المطلق (Mean Absolute Error, MAE)، إذ تشير القيم الأقل لهذه المعايير إلى أداء تنبؤي أفضل. وأظهرت نتائج المحاكاة تفوق أنموذج Fuzzy Permutation Entropy (FPE) في تحقيق أقل قيم لمعايير MSE وRMSE وMAE في أغلب أحجام العينات المدروسة، مما يشير إلى اختلاف كفاءة النماذج الثلاثة تبعا لحجم العينة وطبيعة البيانات.أما الجانب التطبيقي، فقد تضمن تطبيق النماذج المقترحة على سلسلة زمنية شهرية حقيقية تمثل أعداد الأشخاص الوافدين إلى مستشفى الحسين التعليمي، وبحجم عينة بلغ (132) مشاهدة للفترة الممتدة من عام 2015 إلى عام 2025. وقبل بناء النماذج التنبؤية، أُجري تحليل أولي لخصائص السلسلة الزمنية، مع فحص استقراريتها باستخدام اختبار ديكي–فولر (Dickey–Fuller Test)، واختبار كفياتكوفسكي–فيليبس–شميت–شين (Kwiatkowski–Phillips–Schmidt–Shin Test, KPSS)، فضلا عن اختبار ليونغ–بوكس (Ljung–Box Test) لفحص الارتباط الذاتي. وأشارت نتائج التحليل الأولي إلى وجود اتجاه تصاعدي واضح وارتباط ذاتي في البيانات، الأمر الذي يستدعي مراعاة هذه الخصائص عند بناء النماذج وتقييم قدرتها على التنبؤ بالقيم المستقبلية.ولغرض تحديد رتبة النموذج الملائمة والمفاضلة بين النماذج المرشحة، تم اعتماد مجموعة من معايير اختيار النماذج الإحصائية، شملت معيار معلومات أكايكي (Akaike Information Criterion, AIC)، ومعيار المعلومات البايزي (Bayesian Information Criterion, BIC)، ومعيار حنان–كوين للمعلومات (Hannan–Quinn Information Criterion, HQIC). وتساعد هذه المعايير على المفاضلة بين النماذج مع مراعاة التوازن بين جودة المطابقة وتعقيد النموذج، إذ تشير القيم الأقل، عند المقارنة بين النماذج المقدرة على البيانات نفسها، إلى النموذج الأفضل وفقا للمعيار المستخدم. وبناء على نتائج التقدير والتقييم، تم إعداد التنبؤات المستقبلية لأعداد الأشخاص الوافدين إلى مستشفى الحسين التعليمي لعام 2026 علما ان الإجراءات التجريبية والتطبيقية نفذت باستخدام برنامج R.

التعريف والنوع

رقم الوثيقة
f80a1402-60bd-48e3-88ee-a7699912caf6
رقم العقد
0
نوع الوسائط
Crawler
نوع المحتوى
الرسائل العلمية
صيغة المصدر
رسائل ماجيستير
نوع الملف
pdf image
أسماء الملفات
1113543_1.pdf

بيانات النشر

ترجمة العنوان
Using Some Entropy Analysis Methods for Forecasting Fuzzy Time Series with a Practical
ألقاب المؤلفين
[{"name_ar":"إيمان ميري جبار دخيل","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"إيناس عبدالحافظ محمد","title_ar":"اشراف","title_en":"Supervision"}]
اللغة
Arabic

المصدر والدورية

اسم المصدر
استعمال بعض أساليب التحليل الانتروبي للتنبوء بسلسلة الزمنية الضبابية مع تطبيق عملي

المحتوى والصفحات

عدد الصفحات
0
ترجمة الملخص
In the field of time series data, the interplay between complexity and incompleteness presents a significant challenge Time series data often exhibit complex patterns, sudden fluctuations, and hidden noise, all of which pose challenges to their analysis and estimation To address these issues, classification methods are employed Classification may involve sorting data into predefined categories or labels, facilitating the understanding of complex information The concept of entropy, inspired by information theory, emerges as a highly effective tool for enhancing the understanding of complexity in time series data Fuzzy time series, a complex theory of fuzzy logic characterized by uncertainty and ambiguity, possess greater capabilities compared to ordinary time series in modeling and interpreting data with uncertainties and unknown variables While the uncertainty in ordinary time series data can lead to unstable predictions, fuzzy time series improve upon these natural and dynamic features The structure of fuzzy time series is optimized by fuzzy belonging functions In this paper, a fuzzy modeling approach is adopted, employing an entropy strategy for data segmentation and application The study examined the membership function in fuzzy logic, aiming to produce a hybrid model of a fuzzy time series based on an entropy strategy Three such models were tested: the Entropy-based Fuzzy Times Series (EBFTS), Fuzzy Permutation Entropy (FPE), and the Self-Organizing Fuzzy Classifier The goal was to determine the best model for representing real-world data and to compare these models Monte Carlo simulations were used with varying sample sizes (50, 100, 150, and 200) The Fuzzy Permutation Entropy (FPE) model proved to be the most effective, achieving the lowest values for the Mean Squared Error (MSE), Mean Squared Error (RMSE), and Mean Squared Error (MAE) across most sample sizes The practical application of this model A practical application of a series was conducted on real data representing a monthly series of the number of people admitted to Al-Hussein Teaching Hospital, with a size of 132 After examining the stationarity of the time series using the Deckeflore, KPSS, and Ljung-Box statistical criteria, the preliminary analysis results showed that the monthly series of people admitted to Al-Hussein Teaching Hospital exhibits a clear upward trend, significant monthly seasonality, and strong autocorrelation These characteristics make the series suitable for testing fuzzy entropy-based models To study the efficiency and performance of the models under investigation and to determine the model rank (since the choice of rank affects the accuracy of prediction for real data), the Akaiki AIC, Bayes Akaiki BIC, and Hanan Quinn H-Q statistical criteria were used The FPE model achieved the lowest value among all the models and tracked the general trend of the series better than the other two Finally, the actual and predicted values for the number of people admitted to Al-Hussein Teaching Hospital during 2026 were presented.
كلمات الباحثين
تحليل الانتروبي, السلاسل الزمنية الضبابية ,النماذج الضبابية القائمة على الإنتروبي

إشراف وإعداد

الإشراف
إيناس عبدالحافظ محمد
الإعداد
إيمان ميري جبار دخيل

الاقتباسات الببليوغرافية

APA

إيمان ميري جبار دخيل و إيناس عبدالحافظ محمد. (2026). استعمال بعض أساليب التحليل الانتروبي للتنبوء بسلسلة الزمنية الضبابية مع تطبيق عملي. أطروحة(رسائل ماجيستير). كلية الادارة والاقتصاد-جامعة كربلاء. العراق.

MLA

إيمان ميري جبار دخيل و إيناس عبدالحافظ محمد. استعمال بعض أساليب التحليل الانتروبي للتنبوء بسلسلة الزمنية الضبابية مع تطبيق عملي. 2026. كلية الادارة والاقتصاد-جامعة كربلاء، رسائل ماجيستير.