تمت في كلية الادارة والاقتصاد / جامعة بغداد ، مناقشة رسالة الماجستير الموسومة ( استعمال الأنموذج الهجين SARIMA-LSTM للتنبؤ بالسلاسل الزمنية مع التطبيق) في تخصص الإحصاء للطالب ( موسى نعمه جميل) بأشراف أ.م بيداء اسماعيل عبد الوهاب ، تهدف هذه الدراسة إلى تطوير إطار تنبؤي هجين يجمع بين انموذج المتوسطات المتحركة المتكامل الذاتي الموسمي (SARIMA) وشبكة الذاكرة الطويلة قصيرة الأمد (LSTM) للتنبؤ بالسلاسل الزمنية الشهرية لاستهلاك الطاقة الكهربائية في الولايات المتحدة الأمريكية، اما أهمية هذه الدراسة فتنبع من الدور المتزايد للتنبؤ بالسلاسل الزمنية في دعم عمليات التخطيط واتخاذ القرار، ولاسيما في قطاع الطاقة الذي يتميز بتعقيد أنماط الاستهلاك وتداخل العوامل المؤثرة فيه.
وقد توصّلت الرسالة الى عددٍ من الاستنتاجات من أبرزها:
- أظهرت نتائج التحليل الوصفي والرسوم البيانية الأولية للسلسلة الزمنية وجود اتجاهات غير مستقرة وأنماط موسمية واضحة، وهو ما انعكس من خلال سلوك السلسلة الزمنية ورسوم الارتباط الذاتي، مما استدعى إجراء اختبارات الاستقرارية والتحويلات المناسبة قبل بناء النماذج.
- بينت نتائج اختباري ADF وKPSS أن السلسلة الزمنية الأصلية غير مستقرة، إذ أشارت النتائج إلى وجود جذر وحدة ورفض فرضية الاستقرارية، الأمر الذي استوجب إجراء الفرق غير الموسمي من الدرجة الأولى، وبعد تطبيق الفرق أصبحت السلسلة مستقرة وقابلة للنمذجة الإحصائية.
- أظهر تحليل المكونات الموسمية باستخدام STL decomposition وجود موسمية سنوية واضحة ومستقرة، الأمر الذي أدى إلى اعتماد فترة موسمية مقدارها 12 شهراً، في حين أوضحت اختبارات OCSB و Canova–Hansen عدم الحاجة إلى إجراء فرق موسمي إضافي.
- بعد فحص عدد كبير من النماذج الموسمية وغير الموسمية والمفاضلة بينها باستخدام معايير AIC وBIC وHQIC.
كما تَمّ تقديم عدد من التوصيات أهمها:
- التوسع في استخدام النماذج الهجينة في بحوث السلاسل الزمنية، لما أثبتته من قدرة أعلى على تحسين دقة التنبؤ مقارنة بالنماذج التقليدية المنفردة.
- التوصية باستخدام الانموذج الهجين SARIMA–LSTM في تطبيقات الطاقة، ولا سيما في التنبؤ بالأحمال الكهربائية واستهلاك الطاقة، نظرًا لامتلاك هذه البيانات خصائص موسمية وغير خطية معقدة.
- زيادة حجم البيانات المستخدمة في تدريب شبكات LSTM، إذ ترتبط كفاءة نماذج التعلم العميق غالبًا بتوفر بيانات أكبر وأكثر تنوعًا.
- اعتماد أكثر من مقياس لتقييم النماذج وعدم الاكتفاء بمؤشر واحد، لضمان تقييم أكثر شمولًا وموثوقية للأداء التنبؤي.
