تمت في كلية الادارة والاقتصاد / جامعة بغداد ، مناقشة رسالة الماجستير الموسومة (تقدير انموذج الانحدار المتعدد باستعمال بعض الطرائق الحصينة وخوارزميات الذكاء الاصطناعي مع التطبيق )  في تخصص الاحصاء للطالب (حسين طالب جواد) بأشراف  أ.م. د رباب عبد الرضا صالح

      تهدف الرسالة الى دراسة وتقدير انموذج الانحدار الخطي العام باستعمال الطرائق الحصينة وهي (طريقة M باستعمال دالتي Huber, biweight s’Tukey   ومقدر S وطريقة وسيط المتوسطات MOM)، وبعض طرائق الذكاء الاصطناعي باستعمال الشبكة العصبية ذات التغذية الامامية متعددة الطبقات فضلاً عن متجهات دعم الانحدار SVR وباستعمال المحاكاة بأحجام عينات ونسب قيم شاذة مختلفة وتطبيق هذه الطرائق في الجانب التطبيقي لبيانات القدرة الكهربائية المستخدمة في محطات توليد الكهرباء للقطاع الخاص في العراق لسنة 2021.

      وتتمثل مشكلة البحث في معرفة اهم المتغيرات التي تؤثر على القدرة الكهربائية المستخدمة في توليد الكهرباء للقطاع الخاص لسنة 2021 ,ولكون المتغيرات التي تؤثر على القدرة الكهربائية تتضمن وجود قيم شاذة في متغيراتها لذلك لا نستطيع تطبيق الطرائق التقليدية في تقدير الانموذج الانحدار لأنها تعطي نتائج غير دقيقة لذا نلجأ الى استعمال بعض (الطرائق الحصينة وطرائق الذكاء الاصطناعي) في تقدير انموذج الانحدار الخطي العام.

وقد توصلت الدراسة الى عدد من الاستنتاجات اهمها:

  • في الجانب التجريبي نلاحظ ان قيم MAE قريبة من بعضها في الطرائق الحصينة عند نسبة القيم الشاذة نفسها بحجم العينة نفسها.
  • في الجانب التجريبي نلاحظ ان طريقة S-Estmation هي الأفضل من بين الطرائق الحصينة عند نسبة القيم الشاذة 5% وبمختلف احجام العينات.
  • في الجانب التجريبي في معظم احجام العينات ونسب القيم الشاذة فقد كانت طريقة M بإحدى دالتيه tukey وHuber هي الأفضل.
  • نلاحظ عند النسبة 30% في حجم العينة 1000 بان طريقة وسيط المتوسطات كانت هي الأفضل، وهذا يدل على قدرة هذه الطريقة في تقدير انموذج جيد في نسب القيم الشاذة العالية عند توفر عدد مشاهدات كافي.

ومن خلال الاستنتاجات التي توصلت اليها الدراسة قدم الباحث عدد من التوصيات اهمها :

  • نظراً لجودة طريقة S-Estmation وتفوقها وسهولة استعمالها في التقدير نوصي باستعمالها لتقدير النماذج الخطية التي من الممكن ان تحوي على مشكلة أخرى.
  • استعمال الشبكات ذات الطبقات المتعددة في تقدير نماذج أخرى قد تحتوي على مشكلة القيم الشاذة وتجربة دوال تنشيط مختلفة ومعماريات مختلفة.
  • نوصي باستخدام طرائق حصينة أخرى في نماذج مختلفة اذ نلاحظ من خلال الجانب التجريبي والتطبيقي تقارب النتائج وكذلك قدرة طريقة وسيط. المتوسطات، من خلال الجانب التجريبي قدرتها في إيجاد مقدر جيد في العينات الكبيرة بنسب قيم شاذة عالية.
  • تجربة أنواع من أخرى من الشبكات العصبية الاصطناعية لمعرفة قدرتها على التعامل مع القيم الشاذة.

Comments are disabled.