اختيار المتغيرات في بيانات السلاسل الزمنية للاشعاع الشمسي عالية الابعاد باستخدام أسلوب هجين بالاعتماد على LASSO و الشبكة المرنة و المنطق الضبابي
DOI:
https://doi.org/10.31272/jae.i153.1610الكلمات المفتاحية:
الشبكة المرنة، لاسو،، الشبكة المرنة المضببة، لاسو المضببالملخص
ان أساليب اختيار المتغيرات والتنبؤ بها في السلاسل الزمنية عالية الابعاد تواجه مشاكل عديده لانها تحتوي على عدد كبير من المتغيرات مما يؤدي الى صعوبة في اختيار المتغيرات و انخفاض دقة التنبؤ، والمتغيرات المناخية لانها تتسم بالتعقيد و عدم الخطية بالاضافه الى الارتباط العالي بين المتغيرات مما يحد من كفاءه النماذج التقليدية على التعامل مع البيانات عالية الابعاد وعدم التأكدية .تهدف هذه الدراسة الى بناء اطار تنبؤي هجين يجمع بين اساليب الانحدارالمنتظم Regularization التقليدية يعد انحدار LASSO و انحدار EN من الطرق المستخدمة في اختزال عدد المتغيرات التفسيرية للبياتات عالية الابعاد والتي سيتم استخدامها في هذه الدراسة للتنبؤ و اختزال عدد المتغيرات المناخية التفسيرية وبين المنطق الضبابي Fuzzy logic و ذلك من خلال بناء نماذج هجينة LASSO-Fuzzy و EN-Fuzzy بهدف تحسين دقة التنبؤ و كفاءة اختيار المتغيرات من خلال حل مشكلة الابعاد العالية وعدم التأكدية وعدم الخطية التي تعتبر من المشاكل التي تعاني منها البيانات، سيتم استخدام بيانات السلسلة الزمنية للاشعاع الشمسي عالية الابعاد المدينة الموصل للتطبيق باستخدام الاساليب المقترحة، تكمن اهميه الاسلوب الهجين على اختزال عدد المتغيرات لبيانات الاشعاع الشمسي عالية الابعاد مما يقلل من خطا التنبؤ وتحسين قابلية النموذج للتفسير، اظهرت النتائج تفوق الاساليب الهجينة على النماذج التقليدية مثل LASSO وEN وقد سجلت النماذج الهجينة اقل المعدلات لخطأ التنبؤ و اداء اكثر استقراراً في اختيار المتغيرات المؤثرة للبيانات عالية الابعاد و للتقليل منها.
التنزيلات
المراجع
[1] R. Tibshirani, "Regression shrinkage and selection via the lasso," Journal of the Royal Statistical Society Series B: Statistical Methodology, vol. 58, pp. 267-288, 1996. https://doi.org/10.1111/j.2517-6161.1996.tb02080.x DOI: https://doi.org/10.1111/j.2517-6161.1996.tb02080.x
[2] H. Zou and T. Hastie, "Regularization and variable selection via the elastic net," Journal of the Royal Statistical Society Series B: Statistical Methodology, vol. 67, pp. 301-320, 2005.https://doi.org/10.1111/j.1467-9868.2005.00503.x DOI: https://doi.org/10.1111/j.1467-9868.2005.00503.x
[3] V. Plakandaras, R. Gupta, P. Gogas, and T. Papadimitriou, "Forecasting the US real house price index," Economic Modelling, vol. 45, pp. 259-267, 2015.https://doi.org/10.1016/j.econmod.2014.10.050 DOI: https://doi.org/10.1016/j.econmod.2014.10.050
[4] L. A. Zadeh, "Fuzzy sets," Information and control, vol. 8, pp. 338-353, 1965.https://doi.org/10.1016/S0019-9958(65)90241-X DOI: https://doi.org/10.1016/S0019-9958(65)90241-X
[5] H. Asai, S. Tanaka, and K. Uegima, "Linear regression analysis with fuzzy model," IEEE Trans. Systems Man Cybern, vol. 12, pp. 903-907, 1982.https://doi.org/10.1109/TSMC.1982.4308925 DOI: https://doi.org/10.1109/TSMC.1982.4308925
[6] R. Pereira, A. Fagundes, R. Melicio, V. Mendes, J. Figueiredo, and J. Quadrado, "Fuzzy subtractive clustering technique applied to demand response in a smart grid scope," Procedia Technology, vol. 17, pp. 478-486, 2014.https://doi.org/10.1016/j.protcy.2014.10.256 DOI: https://doi.org/10.1016/j.protcy.2014.10.256
[7] A. Mustikasari and A. D. Pahrany, "Lasso Regression and Elastic Net in Analysing Factors Affecting the Open Unemployment Rate," Jurnal Varian, vol. 8, pp. 151-164, 2025.https://doi.org/10.30812/xey50x64 DOI: https://doi.org/10.30812/xey50x64
[8] A. E. Hoerl and R. W. Kennard, "Ridge regression: applications to nonorthogonal problems," Technometrics, vol. 12, pp. 69-82, 1970.https://doi.org/10.1080/00401706.1970.10488635 DOI: https://doi.org/10.1080/00401706.1970.10488635
[9] A. R. Nur, A. K. Jaya, and S. Siswanto, "Comparative analysis of ridge, lasso, and elastic net regularization approaches in handling multicollinearity for infant mortality data in south sulawesi," Jurnal Matematika, Statistika dan Komputasi, vol. 20, pp. 311-319, 2024.https://doi.org/10.20956/j.v20i2.31632 DOI: https://doi.org/10.20956/j.v20i2.31632
[10] H. H. Tang and N. S. Ahmad, "Fuzzy logic approach for controlling uncertain and nonlinear systems: a comprehensive review of applications and advances," Systems Science & Control Engineering, vol. 12, p. 2394429, 2024.https://doi.org/10.1080/21642583.2024.2394429 DOI: https://doi.org/10.1080/21642583.2024.2394429
[11] L. Kong, "Fuzzy linear regression model based on adaptive lasso method," International Journal of Fuzzy Systems, vol. 24, pp. 508-518, 2022.https://doi.org/10.1007/s40815-021-01156-0 DOI: https://doi.org/10.1007/s40815-021-01156-0
[12] Y. Gao, Q. Wu, Z. Xu, C. Cao, J. Pan, G. Shao, et al., "Principal component analysis with fuzzy elastic net for feature selection,"IEEE Transactionson Fuzzy Systems, vol. 32,pp.6878-6890, 2024.https://doi.org/10.1109/TFUZZ.2024.3466926 DOI: https://doi.org/10.1109/TFUZZ.2024.3466926
[13] N. Tak and D. Inan, "Type-1 fuzzy forecasting functions with elastic net regularization," Expert Systems with Applications, vol. 199, p. 116916, 2022.https://doi.org/10.1016/j.eswa.2022.116916 DOI: https://doi.org/10.1016/j.eswa.2022.116916
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 اسراء خميس احمد ، أسامة بشير شكر الحنون
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
مجلة الإدارة والاقتصاد هي مجلة مفتوحة المصدر حيث تكون جميع محتوياتها مجانية. تخضع مقالات هذه المجلة لشروط ترخيص المشاع الإبداعي المنسوب إلى المؤلف (CC-BY 4.0) (https://creativecommons.org/licenses/by/4.0/legalcode) الذي يسمح للمرخص لهم دون قيود بالبحث عن النص الكامل للمقالات أو تنزيله أو مشاركته أو توزيعه أو طباعته أو ربطه به، وفحصه للفهرسة وإعادة إنتاج أي وسيلة للمقالات بشرط أن ينسبوا إلى المؤلفين الفضل في ذلك (الاستشهاد). تسمح المجلة للمؤلفين بالاحتفاظ بحقوق الطبع والنشر لمقالهم المنشور.
. Creative Commons-Attribution (BY) 
