التنبُّؤ بمناسيب مياه شطِّ العرب باستعمال نماذج الانحدار الذاتي والأوساط المتحرّكة الموسمية SARIMA
Keywords:
السلاسل الزمنية، بوكس جنكيز، SARIMAAbstract
يهدف البحث إلى تقديم دراسة تحليلية للمناسيب الشهرية لمياه شطِّ العرب في محافظة البصرة باعتماد نماذج السلاسل الزمنية الموسمية، تعدَّ مناسيب المياه من العوامل المؤثّرة وبشكل مباشر في مستويات التراكيز الملحية من خلال دفع اللسان الملحي عن مياه شطِّ العرب ، وهذا سيؤدّي بالنتيجة إلى تقليل التأثيرات السلبية بيئياً واقتصادياً، لذا تمَّ التوجّه نحو استعمال أحد نماج السلاسل الزمنية المتمثّل بنماذج الانحدار المتكامل و الأوساط المتحرّكة الموسمية SARIMA للتنبُّؤ بمستويات مناسيب شطّ العرب، باعتماد بيانات المناسيب للمدّة من كانون الثاني/2009 ولغاية كانون الأول/ 2021، وقدْ تمكَّنت الدراسة من تحديد النموذج الملائم لبيانات السلسلة الزمنية بالنموذج SARIMA(1,1,1)(1,1,1)12 اعتمادا على معايير حسن المطابقة (LogL, AIC, BIC, HQ) واختبارات التشخيص، وأظهرت القيم التنبُّؤية إلى وجود وتيرة متصاعدة في مناسيب مياه شطِّ العرب للمدّة
Downloads
Metrics
References
-5 المصادر العربية
- أحمد هشام طاهر. (حزيران, 2020). استعمال نماذج (ARIMA) للتنبُّؤ بحجم البضائع المناولة في الموانئ العراقية , دراسة تطبيقية في الشركة العامّة لموانئ العراق. مجّلة العلوم الاقتصادية والإدارية، 26(120)، 452-472. doi:https://doi.org/10.33095/jeas.v26i120.1927
- بن قسمي طارق. (2014). استخدام نماذج السلاسل الزمنية الموسمية للتنبؤ بمبيعات الطاقة الكهربائية - دراسة حالة الشركة الوطنية للكهرباء والغاز. جامعة محمد خیضر – بسكرة-كلّیة العلوم الاقتصادیة و التجاریة و علوم التسییر، قسم علوم التسيير. رسالة ماجستير، جامعة محمد خیضر – بسكرة-كلّیة العلوم الاقتصادیة و التجاریة و علوم التسییر.
- جاسم ناصر حسين، و بهاء عبد الرزاق قاسم. (كانون الأول, 2019). استعمال نموذج الانحدار الذاتي والأوساط المتحركة المتكامل ( للتنبُّؤ بانتاج التمور في العراق). مجّلة الاقتصادي الخليجي، 35(43)، 1-26. تمَّ الاسترداد من https://www.iasj.net/iasj/article/196689
- دربال أمينة. (2014). محاولة التنبُّؤ بمؤشّرات الأسواق المالية العربية باستعمال النماذج القياسية (دراسة حالة: مؤشّر سوق دبي المالي). جامعة أبي بكر بلقايد، كلّية العلوم الاقتصادية و علوم التسيير و العلوم التجارية، العلوم الاقتصادية، نقود، بنوك و مالية. كلّية العلوم الاقتصادية و علوم التسيير و العلوم التجارية.
- سمير مصطفى شعراوي. (2005). مقدّمة في التحليل الحديث للسلاسل الزمنية (الإصدار 1). المملكة العربية السعودية: جامعة الملك عبد العزيز، مطابع جامعة الملك عبد العزيز.
- عباس عبد الرحمن، و غطفإنّ عبد الكريم عمار. (2013). التنبُّؤ بخريطة تساوي مناسيب المياه الجوفية الحرة باستخدام طرائق الإحصاء المكانيفي سهل جبله-اللاذقية. مجّلة جامعة تشرين للبحوث والدراسات العلمية-سلسلة العلوم الهندسية، 35(7)، 303-318.
- فارس طاهر حسن، و سعد أحمد عبد الرحمن. (2016). التنبُّؤ الموسمي بالأعداد الشهرية للمصابين بالأمراض المزمنة في مدينة بغداد باستخدام نماذج SARIMA. مجلّة العلوم الاقتصادية والإدارية، 22(87)، 405-438. تمَّ الاسترداد من https://www.iasj.net/iasj/article/108084
- مهدي وهاب نعمه نصر الله، و بهاء عبد الرزاق قاسم. (2020). استعمال منهجية بوكس- جينكز للتنبؤ بمعدّلات البطالة في العراق. مجّلة الإدارة والإقتصاد، 9(36)، 234-247. تَمَّ الاسترداد من https://www.iasj.net/iasj/article/199238
- ناظم عبدالله المحمدي، و سعدية عبد الكريم طعمة. (2011). استخدام نماذج السلاسل الزمنية الموسمية للتنبُّؤ باستهلاك الطاقة الكهربائية في مدينة الفلوجة (المجلّد 4). مجلّة جامعة الأنبار للعلوم الاقتصادية والإدارية: جامعة الأنبار، كلّية الإدارة والاقتصاد. تَمَّ الاسترداد من https://www.iasj.net/iasj/article/41065
- المصادر الاجنبية
- Dwivedl, D. K., Sharma, G. R., & Wandre, S. S. (2017, Aug). FORECASTING MEAN TEMPERATURE USING SARIMA MODEL FOR JUNAGADH CITY OF GUJARAT. International Journal of Agricultural Science and Research (IJASR), 7(4), 183-194. Retrieved from http://www.tjprc.org/publishpapers/2-50-1499773536-23.IJASRAUG201723.pdf
- Adams, S. O., Mustapha, B., & Alumbugu, A. I. (2019). Seasonal Autoregressive Integrated Moving Average (SARIMA) Model for the Analysis of Frequency of Monthly Rainfall in Osun State, Nigeria. Physical Science International Journal, 22(4), 1-9.
- Alani, R., & Alhiyali, A. .. (2021). Seasonality analysis of the tomato monthly price and its forecasting using seasonal time series models (SARIMA). Jornal of Al-Muthanna for Agricultural Sciences, 52-62. Retrieved from https://www.iasj.net/iasj/article/215972
- Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2016). Time Series Analysis Forecasting and Control (5 ed.). John Wiley & Sons, Inc., Hoboken, New Jersey & simultaneously in Canada.
- Chang, X., Gao, M., Wang, Y., & Hou, X. (2013, September 7). Seasonal Autoregressive Integrated Moving Average Model for Precipitation Time Series. Journal of Mathematics and Statistics, 8(4), 500-505. doi:https://doi.org/10.3844/jmssp.2012.500.505
- Hamel, A. A., & Abdulwahhab, B. I. (2022). Using a hybrid SARIMA-NARNN Model to Forecast the Numbers of Infected with (COVID-19) in Iraq. Journal of Economics and Administrative Sciences, 28(132), 118-133.
doi:https://doi.org/10.33095/jeas.v28i132.2276
- Otu, O. A., George, O., Jude, O., Ifeyinwa, M. H., & I., I. A. (2014). Application of Sarima Models in Modelling and Forecasting Nigeria’s Inflation Rates Forecasting Nigeria’s Inflation Rates. American Journal of Applied Mathematics and Statistics, 2(1), 16-28. doi: 10.12691/ajams-2-1-4
