View Full Version : الشبكات العصبية والتنبؤ Neural Network and Forecasting
الشبكات العصبية والتنبؤ : Neural Network and Forecasting
في هذا المقالسيتم توضيح مفهوم الشبكات العصبية وكيف يمكن ان تستخدم في التنبؤ مع المقارنة مع طرق الاقتصاد القياسي في التبنؤ من خلال مجموعة من التساولات وكما يلي :
اولا : متى بدء استخدام الشبكات العصبية في التنبؤ
بدا استخدام الشبكات العصبية للتبؤ القصير الاجل في الصناعات الالكترونية ، وهذه التقنية الحديثة توفر دالة مرنة flexible function يمكن ان تلائم نماذج الغير الخطية Non-leaner Fuction . وعلى الرغم من هذه الميزة الا ان موضوع الشبكات العصبية محاط بكثير من التساؤلات والطروحات ، ومعظم هذه التساؤلات تاتي من جانب مستخدمي طرق التنبؤ الاقتصاد القياسي Econometrics .
ثانيا : ماذا يقصد بمصطلح الشبكات العصبيةالصناعية Artificial Neural Network ؟
نماذج الشبكات العصبية الذكية الصناعية، هي دوال غير خطية مرنة . والشكل العام لدالة الشبكات العصبية المستخدمة في التنبؤ يمكن ان تكتب في الاتي :
Y = F[H1(X),H2(X), ….. HN(X)] + U ...1
حيث ان :
Yتمثل المتغير التابع dependent variable ,
و X تمثل المتغيرات التفسيرية او المتغيرات المستقلة Independent variables .
F و H تمثل دوال الشبكات العصبية ،
اما u تمثل error term حد الخطا في الدالة .
وحسب لغة الشبكات العصبية يكون :
تسمى مجموعة متغيرات X بالمدخلات Input .
يسمى المتغير Y بالمخرجات او الناتج output .
تسمى H بدوال التحفيز الطبقات الخفية Hidden Layer Activation Function .
تمسى F مخرجات دالة التحفيز الخفية .
ثالثا : هل هناك شكل محدد specific يستخدم للتنبؤ ؟
نعم ، هناك شكل محدد يستخدم في المعتاد . في هذا النموذج تكون F خطية في دوال H . ويحدد شكل دوال H على شكل حرف S الانكليزي أي تستخدم هنا الدالة اللوجستية Logistic function . ولذلك يكون نموذج الشبكات العصبية وفق الاتي :
1-نموج شبكات عصيبة بتغذية امامية ذو مخرج واحد single output feed forward neural network .
2-طبقة مخفية واحد مع عقد عديدة One hidden layer with multiples nodes .
3-مع دوال تحفيز اللوجستية في الطبقة الخفية logistic activation functions .
4-مع دالة تحفيز خطية في طبقة المخرج او الناتج linear activation function .
رابعا : ماهي العلاقة بين نموذج الانحدار الخطي ونموذج الشبكات العصبية
من اهم الفروق بين نموذج الانحدار الخطي ونموذج الشبكات العصبية هو ان دالة الانحدار الخطية هي خطية linear في معلماتها parameters ولاتوجد هناك دوال الطبقات الخفية في نموذج الانحدار . و نموذج الانحدار الخطي يأخذ الشكل الاتي :
Y = XB + u ……….. 2
وحسب مفهوم الشبكات العصبية ان مثل في المعادلة رقم 2 ، يكون ذو مخرج واحد وبدون طبقات خفية مع دالة تحفيز خطية لطبقة المخرج او الناتج (المتغير المعتمد) .
خامسا : لماذا تسمى شبكات عصيبة بتغذية امامية Forward Neural Netwok؟
لتوضيح الاجابة على السوال نستعين بالشكلالمرفق (المخطط الشبكي لنموذج 3 مدخلات و2 عقد )
كما نجد من الشكل ان المتغيرات المستقلة (XN ) تدخل في الطقبات السفلى (المدخلات ) . والدالة اللوجستية تتمثل بـ الطبقة الخفية (H1,H2 ) ، والنتيجة تكون بطبقة الناتج (Y ) .
والفكرة هنا ببساطة ان المدخلات تغذي الدوال في الطبقات الخفية ، ولايمكن ان يكون ارجاع خلفي backward. كما ان دوال الطبقات الخفية تقوم بالتغذية نحو الاعلى الى طبقة الناتج . ولايوجد هناك إرجاع خلفي . ان غياب التغذية العكسية وعدم وجود تفاعل Interactions بين دوال الطبقات الخفية هو الاساس في تسميتها بالشبكات العصبية ذات التغذية الأمامية .
سادسا :ما سر تسمية الطبقات الخفية Hidden layers؟
ان الدوال فيوسط الشكل المرفق (H2 H1 ) في الطبقة الخفية ، جاءت تسميتها "الطبقة الخفية " من علوم الاعصاب الطبي .
سابعا : ماذا يقصد بالدالة التحفيز اللوجستية Logistic activation function ؟
هذه التسمية تعود الى شكل الدالة والذي يتخذ شكل الحرف S الانكليزي وهذه الدالة تستخدم في الطبقة الخفية . والدالة اللوجستية هي دالة تتراوح قيمتها بين الصفر والواحد . فاذا كان للمتغير معامل ميل موجب في الدالة ، فعند زيادة قيمة المتغير فان شكل الدالة S سوف يتحرك او ينزلق slide نحو الاعلى بالتتدرج ، هذه الحركة نحو الاعلى في الدالة تسمى التحفيز activation ، لان الحركة على طول المنحني تكون بالتدرج وليس على شكل قفزات ، وعادة هذه الدالة تسمى دوال التحويل الطبقة الخفية Hidden layer transfer functions .
سابعا : ماذا نعني بدالة التحفيز الخطية linear activation function في طبقة الناتج ؟
هذه الدالة هي دالة خطية تستخدم لتمرير القيم من الطبقة الخفية الى طبقة الناتج . ويمكن كتابة نموذج هذه الدالة بالشكل الاتي :
Y = b0 + b1H1+b2H2 + u ...3
ثامنا : لماذا تبدو الدوال في الطبقة الخفيةمتشابهة ، وكيف يمكن ان يفسر هذا التشابه ؟
ان الدوال في الطبقة الخفية تسمى ايضا عقد nodes . والفكرة هنا ان كل عقدة لها نفس المدخلات ولكنها تعالج بشكل مختلف عن غيرها لانه كل عقدة يكون لها معامل coefficient مختلف . هذه الخاصية تسمى التوازي parallelism ، وهي مفتاح القوة في نموذج الشبكات العصبية . ان استخدام كل عقدة لنفس المدخل (المدخلات X’s ) وكل عقد لها نفس الصيغة الجبرية قد يكون مثل هذا الطرح صعب الفهم او مربك من قبل مستخدمي ادوات التنبؤ التقليدية (طرق الاحصاء والاقتصاد القياسي ) ، ان اللغز هو انه مع بداية كل عملية التقدير تكون المعلمات مختلفة لكل عقدة . ومن نقطة الاختلاف هذه ، يمكن ان يساهم بارمتر كل عقدة في تحسين النموذج المقدر ، وكل عقدة سيكون لها دور معين في العملية مع استمرار عملية التقدير. تابعونا سنتلكم انشا الله عنكيفية تقدير الشبكات العصبية
السلام عليكم
لقد قرأت مقالات كثيرة باللغة الانكليزية و الفرنسية حول استخدام الشبكات العصبية في مجال الادارة المالية
و لقد ثبت انها تعطي نتائج للتنبؤ بشكل اكثر فعالية من استخدام نموذج ARIMA في التنبؤ بالاتجاه العام لاسعار الاسهم
في سوق بورصة نيويورك .
فما رأيكم اخي الكريم و هل لديكم اطلاع على هذا الموضوع
وعليكم السلام ورحمة الله
نعم اتفق معك بخصوص ان نماذج neural network تنافس نماذج ARIMA في التنبؤ او قد تكون افضل منها في بعض الحالات وخصوصا في حالة التنبؤ باسعار الصرف او المؤشرات المالية .
اما فيما يتعلق بالاطلاع فالحمد لله لدي اطلاع بموضوع الشبكات العصبية وخصوصا فيما يتعلق بالتنبؤ، وان شاء الله خلال الايام القادمة ساكمل موضوع التنبؤ باستخدام الشبكات العصبية من خلال مثال عملي وكذلك توضيح اي برنامج احصائييمكن ان يستخدم في هذا المجال .
وعليكم السلام ورحمة الله
نعم اتفق معك بخصوص ان نماذج neural network تنافس نماذج ARIMA في التنبؤ او قد تكون افضل منها في بعض الحالات وخصوصا في حالة التنبؤ باسعار الصرف او المؤشرات المالية .
اما فيما يتعلق بالاطلاع فالحمد لله لدي اطلاع بموضوع الشبكات العصبية وخصوصا فيما يتعلق بالتنبؤ، وان شاء الله خلال الايام القادمة ساكمل موضوع التنبؤ باستخدام الشبكات العصبية من خلال مثال عملي وكذلك توضيح اي برنامج احصائييمكن ان يستخدم في هذا المجال .
الى الاخ الكريم
شكرا جزيلا لاغناءك الموضوع حول الشبكات العصبية و استخداماتها في التنبؤات المالية
و انا احضر رسالة دكتوراه في جامعة بوردو الرابعة بهذا الموضوع الذي يعتبره البعض انه اصبح
متداولا و لكن في الدول العربية فما زال الموضوع جديد و لم يستخدم بعد و لم يطبق عمليا على ارض الواقع في اي دولة عربية حتى الان .
اخي الكريم لو تفضلت بارسال و لو موجز عن ماهية المثال العملي الذي تحدثت عنه و في اي مجال.
و شكرا جزيلا و الله الموفق
السلام عليكم استاذي العزيز بداية اسمي مقتدر طالب ماجستير من كلية الادارة والاقتصاد جامعة بغداد وموضوع عنواني هو
استخدام الشبكات العصبية في تحديد الانحرافات في ضبط الجودة فارجو مساعدتي في تقديم مقالات حول الجانب النظري للشبكات كونها موضوع حديث على كليتنا
مع خالص تقديري
مقتدر
وعليكم السلام ورحمة الله وبركاته
اهلا بالاخ متقدر في المنتديات ،
يوجد لدي بعض الملفات باللغة الانكلزية تخص تطبيقات الشبكات العصبية في الجودة فاذا احببت ان ارسلها لك فانا جاهز .
الليك الرابط (http://ar.wikipedia.org/wiki/%D8%B4%D8%A8%D9%83%D8%A7%D8%AA_%D8%B9%D8%B5%D8%A8% D9%88%D9%86%D9%8A%D8%A9_%D8%A7%D8%B5%D8%B7%D9%86%D 8%A7%D8%B9%D9%8A%D8%A9) وهو تابع لموسوعة ويكيبيديا وفيه بعض المفاهيمالاساسية عن الشبكات العصبية الاصطناعية .
السلام عليكم،
شكرا لك أستاذنا العزيز الشمري على إثراء هذا الموضوع الحيوي،
مقتبس من shemary : يوجد لدي بعض الملفات باللغة الانكلزية تخص تطبيقات الشبكات العصبية في الجودة فاذا احببت ان ارسلها لك فانا جاهز .
آمل التكرم بإرسال نسخة من تلك الملفات على بر يد ي الإلكتر و ني:)
مع تمنياتي لك بالتوفيق،
"وقل ربي زدني علما"
آمـــــــــــيــــــــــــــــــــن
السلام عليكم ورحمة الله
الاخ العزيز بارك الله فيك وشكرا لقراءتك الرسالة والرد عليها . ارجو التكرم بارسال ما عندكم من مقالات حول الموضوع . وان تتفضل علي اكثر لو كان من بينها رسائل ماجستير او دكتوراه حول الموضوع . وبالنسبة للموقع الذي ارسلته متفضلا فقد اطلعت عليه والحمد لله .
مع خالص تقديري لشخصكم الفاضل
واليكم بريدي الالكتروني
mok792001@yahoo.com (mailto:mok792001@yahoo.com)
مقتدر
Tamer Bayoumi
15-2-2006, 23:20
السلام عليكم ورحمة الله وبركاته
الاخوة الكرام على الرغم من ان الشبكات العصبية اثبتت كفاءتها في التنبؤ في كثير من الحالات وعلى وجه الخصوص في المجال المالي و سوق الاسهم الا ان استخدامها يجب ان يكون بحذر شديد ، حيث لم تتفق غالبية الدراسات في هذا المجال على استخدام شبكة عصبية بعينها ، ولو ان كان الغالبية اجمع على شبكة الانتشار الخلفي Backpropagation NN الا انهم لم يتفقوا على عدد الطبقات الخفية وعدد الوحدات العصبية داخل كل طبقة ، كما ان لنوعية المتغيرات المستخدمة كمدخلات للشبكة العصبية تأثير قوي في تحديد نوعية الشبكة العصبية التي ستستخدم للتنبؤ فبالاضافة الى الشبكة العصبية المذكورة اعلاه يوجد ايضا الشبكات التالية التي يمكن استخدامها في التنبؤ في هذا المجال : General Regression NN و Radial -Basis Function NN و Modular NN كما ان هناك اتجاه اخر في الجمع بين الشبكة العصبية و نظم الخبرة Expert system وهي احدى طرق الذكاء الاصطناعي لزيادة كفاءة اداء الشبكة كما ان هناك اتجه اخر لزيادة كفاءة الشبكة العصبية عن طريق استخدام اكثر من شبكة داخل نظام واحد للتنبؤ كمحاولة لزيادة الكفاءة وللعلم حتى الان كفاءة الشبكات العصبية الملاحظة في الدراسات السابقة من عام 1997 وحتى الان من 70% الى 80% وهذا احصائيا ليس بجيد كما ان المعنوية الاحصائية للشبكات العصبية لن تختبر حتى الان لقياس مدى صلاحيتها احصائيا.
هذا التعليق ليس لاحباط السادة المهتمين بهذا الموضوع ولكن ليأخذوا الحذر اثناء دراستهم لها والتعامل معها.
والله الموفق
وعليكم السلام ورحمة الله وبركاته
اهلا وسهلا اخي Tamer Bayoumi
شكرا على النقاش المثري للموضوع ، وعلى المعلومات الهامة التي ذكرتها
حقيقة موضوع اختيار الشبكة العصبيةالمناسبة للتنبؤ ليس بالموضوع السهل والهين على الاطلاق ، ويحتاج ان تكون لديك خبرة بموضوع التنبؤ بالسلاسل الزمنية وطبعا ذو خلفية رياضية ، حتى تتمكن من المقارنة معطرق الشبكات العصبية ، وطبعا هذا يععتمد على نماذج البيانات المتوفرة الى يراد عمل التنبؤ لها .
لكن عادة يكون استخدامالشبكات العصبية في التنبؤ افضل من السلاسل الزمنية في حالة السلاسل الزمنية ذات المشاهدات الكثيرة والقصير الامد (ساعة ، يوم )
السلام عليكم
الاخ العزيز احمد بارك الله فيك وفي سعيك لنشر الخير والعلم والمعرفة وشكرا لهذه التوضيحات القيمة حول الشبكات
Tamer Bayoumi
17-2-2006, 13:38
وعليكم السلام ورحمة الله وبركاتة
لى الشرف بان اتواصل في الحديث والمناقشة مع أستاذنا العزيز الشمري والذي اثار موضوعا حيويا وهاما واصبح محل انظار كثير من الباحثين وانا على علم بان استخدامالشبكات العصبية في التنبؤ افضل من السلاسل الزمنية في حالة السلاسل الزمنية ذات المشاهدات الكثيرة والقصير الامد (ساعة ، يوم ) والتي تكون ذات تقلبات سريعة في الفترة الزمنية القصير.
وارجوا من أستاذنا العزيز الشمريبالتعجيل في تكملة هذا المقال ففية خير افادة للباحثين في هذا المجال.
واعوا الله لكم بمزيد من التقدموالرقي
المقال منقول من موقع عربي آخر
[line]
بعض التعارف و مقدمة عن الشبكات العصبية
الشبكات العصبية (Neural Network)
كيف يتعلم الإنسان؟!
تنتشر في جسم الإنسان ملايين الخلايا العصبية والتي تتفرع بدورها إلى الملايين من الزوائد العصبية، حيث تنقل هذه الخلايا العصبية الإحساس و ردّات الفعل من و إلى العقل البشري بواسطة الحبل الشوكي.
ومن خلال هذه الخلايا العصبية يتم تخزين المعرفة عن العالم الخارجي في العقل البشري، وذلك عن طريق ضبط الأوزان داخل هذه الخلايا.
لو أخذنا مثال بسيط و يحدث دائماً دون أن نشعر بذلك في حياتنا، وهو تعلّم الطفل للتعرف على صور الحيوانات في السنوات الأولى من عمره.
فمثلاً لو عرضنا على طفل في الثالثة من عمره صورة لبقرة ثم عرضنا صورة لقط ثم صورة لدجاجة مع ذكر اسم كل حيوان أمامه. و كررنا هذه الصور لعدة مرات. بعد ذلك تأتي مرحلة الاختبار ويتم فيها عرض الصور السابقة مع صور حيوانات أخرى لنقل صورة عصفور بحيث يطلب منه معرفة اسم الحيوان الظاهر في الصورة، نلاحظ أن الطفل سيتعرف على صور الحيوانات التي تعلمها أثناء مرحلة التعليم ولكن عند عرض صورة العصفور فإن الطفل سيتعرف على الصورة على أساس أنها صورة الدجاجة!
وذلك لأن صورة العصفور مشابهة في كثير من الخصائص الخارجية لصورة الدجاجة والتي تم تخزينها في عقله. ولكن مع تنويع الصور وتكرارها سيتعلم الطفل أكثر في كل مرة.
فكّر العلماء في طريقة يستطيعون من خلالها محاكاة هذه العملية التي تحدث في العقل البشري، وتوصلوا إلى علم الشبكات العصبية Neural Network والذي يندرج تحت علوم الذكاء الصناعي، بحيث يجعلون من أجهزة الحاسوب أجهزة ذكية، بإمكانها أن تكتسب المعرفة بنفس الطريقة التي يكتسب بها الإنسان المعرفة، وهي طريقة ضبط الأوزان أثناء التعلم.
الشبكات العصبية الاصطناعية:
هو جهاز مصمم لمحاكاة الطريقة التي يؤدي بها العقل البشري مهمة معينة، وهو عبارة عن معالج ضخم موزع على التوازي، ومكون من وحدات معالجة بسيطة، بحيث يقوم بتخزين المعرفة العملية ليجعلها متاحة للمستخدم وذلك عن طريق ضبط الأوزان.
طرق المحاكاة:
هناك عدة طرق لمحاكاة الطريقة التي يتعلم بها الإنسان وهي:
عن طريق الورقة والقلم، بحيث يتم إدخال الخصائص كمدخلات ثم القيام بعمليات حسابية معينة تضبط فيها الأوزان لتعطي النتيجة المرغوبة وهذه الطريقة غير عملية وتستخدم عادة لتوضيح المفهوم الذي تعمل به الشبكة العصبية فقط.
عن طريق عدة أشخاص مع كل شخص منهم آلة حسابية بسيطة، بحيث يمثل كل شخص منهم خلية عصبية تقوم بعملية ضبط الأوزان. وهذه الطريقة غير فعالة لنفس الأسباب السابقة.
عن طريق عدد كبير جداً من أجهز الحاسوب المتصلة ببعضها البعض، بحيث يمثل كل جهاز منها خلية عصبية تقوم بعمليات حسابية بسيطة لضبط الأوزان، وهذه الطريقة غير فعالة نظراً للعدد الكبير جداً من الأجهزة والتي تكون في الغالب مكلفة جداً.
عن طريق برنامج يحاكي هذه العملية، وهذه هي الطريقة الأمثل و الأسهل والأقل تكلفة علاوة على كونها الأكثر انتشارا، وهي التي سنعتمدها إن شاء الله في هذا الدرس لبناء شبكة عصبية. التطبيقات التي تستخدم الشبكات العصبية:
الشبكات العصبية أعطت حلولاً ذات كفاءة عالية للكثير من التطبيقات في العديد من المجالات نذكر منها:
تمييز الأنماط والتعرف على الصور.
القدرة على التعرف على الصور المشوهة.
إكمال الصور التي فقدت جزء منها، مثل الصور المرسلة بواسطة الأقمار الصناعية.
عمليات التصنيف إلى عدد من الفئات. مثل تصنيف الحيوانات إلى أليفة و مفترسة. لو أخذنا مثلاً على عملية التعرف على الكائنات الحية، و قمنا ببرمجة برنامج بالطريقة التقليدية للتعرف على هذه الحيوانات فإن ذلك سيكون صعب للغاية فضلاً عن كونه محدود القدرات. فالتطبيقات التقليدية تمر بعدة مراحل تتطلب في معضمها وجود الإنسان، و تتطلب برنامج ضخم للتعرف على كل حيوان على حدة!
بينما في الشبكات العصبية فإنه الشبكة تتبع نفس الطريقة التي يتعلم بها الإنسان وذلك عن طريق عرض صور الحيوانات وضبط الأوزان حتى يتم تخزين المعرفة بصورة صحيحة في ذاكرة الحاسوب ومع تكرار الصور و تنوعها تتعلم الشبكة وتصبح قادرة على إعطاء إجابات صحيحة، وكل ذلك لا يتطلب كتابة برنامج ضخم كما في التطبيقات التقليدية.
مكونات الشبكة العصبية:
http://www.c4arab.com/images/lessons/programming/AI/general/net/NNComponent.JPG
كما أن للإنسان وحدات إدخال توصله بالعالم الخارجي وهي حواسه الخمس، فكذلك الشبكات العصبية تحتاج لوحدات إدخال، ووحدات معالجة يتم فيها عمليات حسابية تضبط بها الأوزان و تحصل من خلالها على ردة الفعل المناسبة لكل مدخل من المدخلات للشبكة.
فوحدات الإدخال تكوّن طبقة تسمى طبقة المدخلات، و وحدات المعالجة تكوّن طبقة المعالجة وهي التي تخرج نواتج الشبكة. وبين كل طبقة من هذه الطبقات هناك طبقة من الوصلات البينية التي تربط كل طبقة بالطبقة التي تليها والتي يتم ضبط الأوزان الخاصة بكل وصلة بينية، وتحتوي الشبكة على طبقة واحدة فقط من وحدات الإدخال ولكنها قد تحتوي على أكثر من طبقة من طبقات المعالجة.
طرق تعليم شبكة عصبية:
تتعلم الشبكة عن طريق إعطائها مجموعة من الأمثلة، التي يجب أن تكون مختارة بعناية، لأن ذلك سيساهم في سرعة تعلم الشبكة. ومجموعة الأمثلة هذه تسمى فئة التدريب.
وتنقسم طرق تعليم شبكة عصبية إلى قسمين حسب فئة التدريب التي تعرض على الشبكة. وهما:
التعليم بواسطة معلمSupervised Learning: في هذه الطريقة تكون فئة التدريب التي تعرض على الشبكة عبارة عن زوجين من المتجهات، متجه المدخلات وهو عبارة عن القيم المدخلة للشبكة، ومتجه المخرجات وهو عبارة عن القيم التي يجب أن تخرجها الشبكة.
مثال:
Input:(0 1 0 1 0 0 0 1)
Output:(0 1 1)
التعليم بدون معلم Unsupervised learning: في هذه الطريقة تكون فئة التدريب عبارة عن متجه المدخلات فقط دون عرض المخرجات على الشبكة.
في الدرس التالي سنعرف على أول شبكة تتعلم بواسطة معلم وهي Perceptron Network.
الاخ الكريم ذكرت
شكرا على الاضافة الرائعة
السلام عليكم جميعا،
الأمانة العلمية تستلزم التنوية بأن :
المقال منقول من موقع عربي آخر
ونأمل من جميع الأعضاء التكرم بالتنويه عن المقالات المنقولة وذلك حفاظا على حقوق الآخرين وتفاديا للمشكلات التي قد تترتب على إدراج مقالات منقولة دون ذكر المصدر الرئيسي.
مقال من احدى الصحف العربية
منقول
تقرير:الشبكات العصبية تحل مشكلة الفجوة الغذائية في مصر
يعد أسلوب تطبيق الشبكات العصبية في بعض قطاعات الاقتصاد القومي في مصر أحد الأساليب الحديثة التي جربت في تطبيقات متعددة وخاصة في مجال الزراعة وتعتبر الشبكات العصبية أحد مجالات الذكاء الاصطناعي،
والذي طور بشكل ملحوظ في طريقة ميكنة التفكير الإنساني حيث يحاكي عملية جمع المعلومات واستغلالها وتكثيفها في العقل البشري بهدف الوصول إلى قرار ما وقد ساهم في استخدام ذلك الأسلوب والتطور السريع في البرمجيات وتحليل نظم المعلومات والعلوم الرياضية.
وتشير دراسة صادرة عن معهد التخطيط القومي حول تطبيق الشبكات العصبية في مجال الزراعة إلى أن هناك تحذيرا صدر بمناسبة يوم المياه العالمي مفادة أن مستقبل المياه في العالم سوف يكون مظلم احيث تشير أبحاث نشرتها وكالة نيرفاند للإغاثة والتنمية إلى أن ثلث سكان كوكب الأرض سيعانون من نقص موارد المياه بحلول 2025 وأن المعروض من المياه لن يكفي لتلبية الطلب المتزايد عليه وهذا التوقع نتج من حقيقة أن الاستهلاك المائي زاد بمقدار 6.1 أضعاف في الفترة ما بين عامي 90-95 وقد حذرت الدراسة أيضا من أن تناقص الموارد المائية يهدد بانخفاض معدلات إنتاج الغذاء في العالم بنسبة 10% وأن إرتفاع أسعار الموارد الغذائية الأساسية يمكن أن يعرض مليارا و 300 مليون نسمة لخطر الموت جوعا وأظهرت الدراسة أن الأزمة المائية تتركز بالدرجة الأولى في الدول النامية والفقيرة أما الدول الغنية فهي أكثر قدرة على مواجهة المشكلة المائية حيث يمكنها رفع كفاءة استخدام المياه وتحويل مياه البحر والمحيطات إلى مياه عذبة وهو الأمر المكلف بالنسبة للدول النامية وطبقا لتقدير الأمم المتحدة فقد صنفت مصر ضمن مجموعة بلدان العجز الغذائي ذات الدخل المخفض وهي البلدان التي تميزت بميزان تجاري سلبي وهذا دعا الخبراء في شتى فروع البحث العلمي لإيجاد الحلول والوسائل المختلفة التي يمكن بها مواجهة هذه التطورات والحد من الآثار السلبية المترتبة على النقص المحتمل في مياه الري بزيادة كفاءة استخدام الموارد الاقتصادية في شتى المجالات الاقتصادية بصفة عامة والزراعة بصفة خاصة.
وتبين الدراسة أن مياه الأمطار في مصر وفي مناطق الساحل الشمالي تعتبر من الموارد الاقتصادية المهمة والتي يجب استخدامها بكفاءة وخصوصا أن تلك المنطقة تتعرض لسقوط الأمطار في فصل الخريف والشتاء وقد اهتمت جهات كثيرة برصد كميات المياه الساقطة للإستفادة منها بإقامة السدود الموسمية والدائمة وذلك في الرعي أو الزراعة الموسمية للقمح والشعير والزيتون والتين وبعض المحاصيل الأخرى وتبين من الدراسة أن الهيئة العامة للأرصاد الجوية أقامت العديد من محطات الأرصاد على إمتداد الساحل الشمالي لقياس كميات الأمطار الساقطة وأجريت دراسات عديدة للتنبؤ بكميات الأمطار باستخدام نموذج إحصائي لمعرفة كميات الأمطار في السنوات المقبلة وذلك من خلال بيانات 30 عاما من 68 حتى 97 وقد أعطى النموذج نتائج إيجابية في بعض السنوات وأخرى غير إيجابية مما أفقد الثقة في هذا النموذج مما أضطر الباحثين إلى استخدام نموذج الشبكات العصبية للحصول على تنبؤ طويل المدى لمنطقة مرسى مطروح باستخدام نفس البيانات وذلك للحصول على تنبؤ حتى عام 2023 وأظهرت النتائج أن أعوام 2012 ، 2028، 2023 سوف تشهد أمطارا غزيرة تصل إلى حد السيول أحيانا فوق المعدل 250 مليمترا فأكثر كما أوضحت الدراسة العديد من النتائج لتدفقات الأمطار والتي من خلالها يمكن الاستفادة في تنمية وإدارة الإنتاج الزراعي في هذه المنطقة وأوضحت الدراسة أن قطاع الزراعة في مصر أحد الدعامات المهمة في الاقتصاد المصري ويظهر ذلك في اهتمام الدولة بزيادة الأراضي الزراعية وارتفاع إنتاجية المحاصيل الزراعية وإدخال بعض التعديلات في السياسة الزراعية ومنها سياسات توفير الخدمات المساندة للإنتاج الزراعي ومستلزمات وسياسات البحوث والإرشاد ونقل التكنولوجيا، والسياسات الخاصة بالتنظيمات الزراعية غير الحكومة وكذلك السياسات الخاصة بالتشريعات الزراعية.
وتبين النتائج التي تم التوصل إليها باستخدام أسلوب الشبكات العصبية والأسلوب الإحصائي التقليدي لتقدير الإنتاج والاستهلاك والفجوة ونسبة الإكتفاء الذاتي في محاصيل القمح والأرز الصيفي، الذرة الشامية الصيفي، بنجر السكر قصب السكر أن نسبة الاكتفاء الذاتي من القمح بإستخدام الأسلوب الحديث تتجه إلى الزيادة وسوف تبلغ نحو 59% في عام 2006 ثم ترتفع هذه النسبة إلى نحو 61% في عام 2011 وتزداد إلى 67% ثم إلى نحو 69% في عامي 2016 ، و2021 على التوالي وهذه النتائج أكثر من الناحية المنطقية مما يعكس كفاءة استخدام هذا الأسلوب في توقعات الإنتاج والاستهلاك من القمح وباستخدام خلط دقيق الذرة مع دقيق القمح بنسبة تبلغ نحو 20% وذلك يترتب عليه ارتفاع نسبة الاكتفاء الذاتي من القمح وهذا الأسلوب يفيد واضعي السياسات ومتخذي القرار بما يحقق أهداف التنمية الاقتصادية الاجتماعية والتوقعات المستقبلية لاستخدام الموارد الاقتصادية بشكل أمثل. ولقد أوضحت النتائج التي تم الحصول عليها بالنسبة لباقي المحاصيل الزراعية أن التقديرات منطقية وأكثر دقة باستخدام أسلوب الشبكات العصبية وذلك عن الأسلوب التقليدي وتتم كذلك في نسبة تغطية الإنتاج المحلي إلى الاستهلاك للقمح ارتفعت من 52% سنة 2000 إلى 59% سنة 2006 حتى تصل إلى 69% سنة 2020 أما في سلعة أخرى مثل الأرز الصيفي فإن الإنتاج يزيد عن الاستهلاك في نفس الفترة الزمنية.
الي :الشمري وكل المهتمين بموضوع الشبكات العصبية
تحية وتقدير
نطلب عونكم في فك طلاسم هذا الموضوع ومدنا بالمتاح من مقالات وكتب وبحوث والاهم البرامج المستخدمة في هذا المجال .
ولكم الشكر وصادق دعواتنا
abdelkader14
28-9-2007, 21:49
مشكور على هذ ا الموضوع
ممكن بحث على كيفية التنبؤ باستعمال الشبكة العصبية باسعار بالصرف.
السلام عليكم ورحمة الله
اهلا بالاخ abdelkader14 في منتديات الاحصائيون العرب
اليك بعض البحوث (لغة انكليزية ) تستخدم اللشبكات العصبية للتنبؤ باسعار الصرف ، اضغط على 1 (http://rds.yahoo.com/_ylt=A0geu8mZiv5G_ewAeVZXNyoA;_ylu=X3oDMTE4ZG1waXV iBHNlYwNzcgRwb3MDMQRjb2xvA2FjMgR2dGlkA00wMDJfNzYEb ANXUzE-/SIG=124jt182o/EXP=1191173145/**http%3a//www.nip-lr.info/V03N02/V03N02P4-49-58.pdf) و 2 (http://rds.yahoo.com/_ylt=A0geu8mZiv5G_ewAgVZXNyoA;_ylu=X3oDMTE4ODAxdmt jBHNlYwNzcgRwb3MDNQRjb2xvA2FjMgR2dGlkA00wMDJfNzYEb ANXUzE-/SIG=1374rkgld/EXP=1191173145/**http%3a//www.riskturk.com/ec2/submitted/Exchange_Rate_Adaptive_Neural_Technique_3.pdf) و 3 (http://rds.yahoo.com/_ylt=A0geu8mZiv5G_ewAh1ZXNyoA;_ylu=X3oDMTE4anU0NXV mBHNlYwNzcgRwb3MDOARjb2xvA2FjMgR2dGlkA00wMDJfNzYEb ANXUzE-/SIG=11s03ae20/EXP=1191173145/**http%3a//www.aafinman.ch/ArticoloTenti.pdf) .
vBulletin® v3.6.5, Copyright ©2000-2013, Jelsoft Enterprises Ltd.