تهجين انحدار المتجه الداعم مع الخوارزمية الفوضوية للتنبؤ بالحمل الكهربائي في المنطقة الجنوبية
الشريط الجانبي للمقالة
محتوى المقالة الرئيسي
الملخص
الملخص:
تعد الطاقة الكهربائية من اهم مصادر الطاقة الرئيسة التي تسهم مساهمة كبيرة في جميع القطاعات التي تدفع بعملية التنمية الى التقدم، وتؤدي دورا مهما في عملية التنمية والرفاهية الاقتصادية والحضارية لاستخدامها كمستلزمات مهمة في الاقتصاد. لذا تعد أحد اهم مظاهر الحضارة والتطور ومقياسا للرقي والرفاهية في أي مجتمع من المجتمعات لما تؤديه هذه الطاقة من خدمات. تطبق هذه الدراسة نموذجا للتنبؤ بالحمل الكهربائي من خلال تطبيق انحدار المتجه الداعم مع الخوارزميات الهجينة الفوضوية لتحسين أداء التنبؤ، والتي تعمل على حل مشكلات تحسين معلمات انحدار المتجه الداعم، فتم تهجين انحدار المتجه الداعم مع خوارزميات فوضوية ( ،
لتحديد المعلمات المثلى والمناسبة لنموذج انحدار المتجه الداعم ، ومقارنة النماذج بعضها مع بعض، لاختيار النموذج الأفضل واستخدامه في التنبؤ باستهلاك الطاقة الكهربائية للمدة في المنطقة الجنوبية من العراق وقد توصلت النتائج ان نموذج (CIASVR) أكثر دقة وكفاءة من نماذج التنبؤ الأخرى استنادا الى معايير دقة التنبؤ الاحصائية.
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution-ShareAlike 4.0 International License.
المراجع
References
Hussein, Jassim Nasser et al., "using the self-regression model and integrated mobile media to predict the production of dates in Iraq", University of Basra, Gulf Economist magazine, issue (42), December, 2019
Hussein, Sahra Zain the use of the ARIMA method in predicting the money supply in the Iraqi economy, Faculty of management and Economics University of Basra Gulf economic Magazine, Issue (35), March 2018
Mohammed, Saleh Raed and Saleh, Ibrahim Ahmed (2018). "Using the swarm element optimization algorithm to measure software quality", al-Rafidain Journal of Computer Science and mathematics, Vol. (12), No. (1).
Chen, C. W. & Chang, Y. C. (2016). "Support Vector Regression and Genetic Algorithm for HVAC Optimal Operation", National Taipei University of Technology, Hindawi Publishing Corporation, Volume 2016, No. 1.
Cheng, Y., Fu, Y., & Gong, G. (2010). "A Hybrid Support Vector Regression Based on Chaotic Particle Swarm Optimization Algorithm in Forecasting Financial Returns", School of Computer Science & Technology, Soochow University, China.
Hong, W. C., Dong, Y., Lai, C. Y., Chen, L. Y. & Wei, S. Y. (2011). "SVR with Hybrid Chaotic Immune Algorithm for Seasonal Load Demand Forecasting”, Energies, 4(6), pp (960–977).
Hong, W.-C. (2013). Intelligent Energy Demand Forecasting. Department of Information Management Oriental Institute of Technology New Taipei City Taiwan R.O.C, Lecture Notes in Energy. doi:10.1007/978-1-4471-4968-2.
Hussein, Jassim Nasser et al., "Using the Autoregressive Model and Integrated Moving Media (ARMA) to Predict Date Production in Iraq", University of Basra, Gulf Economic Journal, Issue (42), December, 2019.
Kavzoglu, T., & Colkesen, I. (2009). "A kernel functions analysis for support vector machines for land cover classification". International Journal of Applied Earth Observation and Geoinformation, vol.11, No. Li, T.
Yong.W.; Zhi, GZ.; Zhi, L.; Chen, YG. (2014). Short-Term Wind Power Prediction Based on Support Vector Regress Optimized by Chaos Particle Swarm Optimization, School of Electrical Engineering, Anhui Polytechnic University, Wuhu, China,
Liu, B., Wang, L., Jin, Y.-H., Tang, F., & Huang, D.-X. (2005). Improved particle swarm optimization combined with chaos. Chaos, Solitons & Fractals, 25(5), 1261–1271. doi: 10.1016/j.chaos.2004.11.095.
Mohammed, Salha Raed and Saleh, Ibrahim Ahmed (2018). "Using Swarm Element Optimization Algorithm to Measure SoftwareQuality", Al-Rafidain Journal of Computer Science and Mathematics,Vol. (12), No. (1), Prakash,
A., Kiwanis, N., Tiwari, M.K.& Cohen, Y. (2008). "Modified immune algorithm for job selection and operation allocation problem in flexible manufacturing system", Advances in Engineering Software,
Sarhani ،M., El Afia, A. (2015). "Electric load forecasting using hybrid machine learning approach incorporating feature selection", Mohammed-V University Rabat, Morocco,
Wang, Y., Wang, B. & Zhang, X. (2012). "A New Application of the Support Vector Regression on the Construction of Financial Conditions Index to CPI Prediction", Procedia Computer Science, vols. 9,
Yuan, F.C. (2012). "Parameters Optimization Using Genetic Algorithms in Support Vector Regression for Sales Volume Forecasting", Department of Information Management, Yuan Ze University, 2012, vols. 3,
Zain ،Sahara Hussein، Using the ARIMA method in forecasting money Supply in the Iraqi economy، University of Basrah Gulf Economic Journal, Issue (35), March, 2018