استنادًا إلى نتائج البحث ، إليك ملخص لكيفية مقارنة المتوسطات التاريخية بطرق التنبؤ الأخرى مثل ARIMA والتنعيم الأسي:
مقارنة أساليب التنبؤ
1. المتوسطات التاريخية:
- المتوسطات التاريخية هي طريقة بسيطة وقوية للتنبؤ على المدى القصير.
- فهي فعالة في تجانس الضوضاء والتقاط الاتجاهات الحديثة.
-ومع ذلك ، لا تلتقط المتوسطات التاريخية اتجاهات طويلة الأجل أو تغييرات في الأنماط الأساسية ، مما يجعلها أقل فعالية للتنبؤ طويل الأجل.
2. أريما (المتوسط المتحرك المتكامل الانحدار):
- Arima هو نموذج إحصائي أكثر تطوراً يمكنه التقاط أنماط معقدة في بيانات السلاسل الزمنية.
-ARIMA فعال لكل من التنبؤ على المدى القصير والطويل الأجل ، حيث يمكن أن يصمم الاتجاهات والموسمية وغيرها من الخصائص غير الثابتة.
- تتفوق Arima على المتوسطات التاريخية في كثير من الحالات ، خاصة بالنسبة للتنبؤات طويلة الأجل حيث تتغير الأنماط الأساسية.
3. تجانس أسي:
- التنعيم الأسي هو طريقة تنبؤ بسلسلة زمنية تقليدية أخرى تُعين الأوزان المتدنية بشكل كبير للملاحظات السابقة.
- يمكن للتنعيم الأسي التقاط الاتجاهات والموسمية ، مما يجعله أكثر فعالية من المتوسطات التاريخية للتنبؤات المتوسطة إلى طويلة الأجل.
- غالبًا ما تتم مقارنة التجانس الأسي مع ARIMA ، ويمكن أن تنتج الطريقتان في بعض الأحيان نتائج مماثلة ، اعتمادًا على خصائص السلسلة الزمنية.
مقارنة من نتائج البحث
توفر نتائج البحث بعض الأفكار الإضافية:
- تقارن النتيجة الأولى [1] ARIMA والتجانس الأسي ، مما يدل على أن أداء الطريقتين يمكن أن يختلف باختلاف بيانات السلسلة الزمنية المحددة.
- النتيجة الثانية [2] تقارن ARIMA و LSTM (نوع من نموذج التعلم العميق) ، وتجد أن LSTM يتفوق قليلاً على ARIMA في مهام التنبؤ السلسلة الزمنية.
- تقارن النتائج الثالثة والرابعة [3 ، 4] أيضًا ARIMA و LSTM ، وتجد عمومًا أن LSTM يمكن أن تتفوق على ARIMA ، خاصة بالنسبة للسلسلة الزمنية المعقدة غير الخطية.
خاتمة
باختصار ، تعد المتوسطات التاريخية طريقة بسيطة وفعالة للتنبؤ على المدى القصير ، ولكنها تتفوق بشكل عام على أساليب أكثر تطوراً مثل ARIMA والتنعيم الأسي ، وخاصة للتنبؤات طويلة الأجل. يمكن أن يلتقط Arima وتجانس الأسي أنماطًا أكثر تعقيدًا في البيانات ، مما يجعلها أكثر ملاءمة لمجموعة واسعة من مهام التنبؤ. بالإضافة إلى ذلك ، أظهرت الأساليب الأحدث القائمة على التعلم مثل LSTM نتائج واعدة في تفوق النماذج الإحصائية التقليدية في سيناريوهات التنبؤ ببعض السلاسل الزمنية.
الاستشهادات:[1] https://www.researchgate.net/publication/258740343_arima_model_and_exponential_smoothing_method_a_comparison
[2] https://iopscience.iop.org/article/10.1088/1742-6596/1631/1/012141/meta
[3] https://par.nsf.gov/servlets/purl/10186768
[4] https://ieeexplore.ieee.org/document/8614252/
[5] https://developer.ibm.com/tutorials/awb-arima-modelsin-