مقارنة فعالية نماذج الشبكات العصبية الاصطناعية للتنبؤ ببيانات السلاسل الزمنية

محمد, س. أم الخير

dc.contributor.author	محمد, س. أم الخير
dc.date.accessioned	2025-07-21T08:17:59Z
dc.date.available	2025-07-21T08:17:59Z
dc.date.issued	2023-10-26
dc.identifier.issn	2789-858X
dc.identifier.uri	http://dspace-su.server.ly:8080/xmlui/handle/123456789/3273
dc.description.abstract	أصبح التنبؤ بسوق الأسهم مجالًا مهمًا للبحث. وقد استخدم الباحثون طرقًا مختلفة للتنبؤ بسلاسل أسعار سوق الأسهم. وفي التطورات الأخيرة، أصبحت أساليب الذكاء الاصطناعي (AI) واحدة من أكثر التقنيات شيوعًا للتنبؤ بالسلاسل الزمنية المالية. ومن بين طرق الذكاء الاصطناعي المستخدمة بشكل شائع لحل مشكلات السلاسل الزمنية المختلفة الشبكة العصبية الاصطناعية (ANN). تهدف هذه المقالة إلى تقديم دراسة مقارنة لتقييم أداء نماذج الشبكات العصبية الاصطناعية الثلاثة، وهي الشبكة العصبية ذات الانتشار الخلفي (BPNN) والشبكة العصبية ذات الدالة الشعاعية الأساسية (RBFNN) والشبكة العصبية ذات الذاكرة طويلة المدى قصيرة المدى (LSTM) في مشكلة التنبؤ بحركة سعر صرف الدولار الأمريكي ليوم واحد. وقد أجريت التجربة على سعر سهم شركتين، وهما مايكروسوفت (MSFT) وأبل (AAPL). تمت مقارنة أداء هذه النماذج باستخدام مقاييس الدقة، مثل متوسط الخطأ التربيعي (MSE) ومتوسط الخطأ المطلق (MAE) ومتوسط النسبة المئوية المطلقة (MAPE) وقيم درجة R التربيعية (R2). وبناءً على النتائج التي تم الحصول عليها، تفوق نموذج التنبؤ LSTM على النماذج البديلة بدرجة عالية من الدقة، وتبين أنه فعال للغاية في تعلم بيانات السلاسل الزمنية.	en_US
dc.language.iso	other	en_US
dc.publisher	جامعة سرت - Sirte University	en_US
dc.relation.ispartofseries	المجلد الثالث العدد الثاني (2023);18-28
dc.subject	، أسعار الأسهم	en_US
dc.subject	، نماذج التنبؤ	en_US
dc.subject	، الشبكات العصبية الاصطناعية	en_US
dc.subject	بيانات السلاسل الزمنية	en_US
dc.title	مقارنة فعالية نماذج الشبكات العصبية الاصطناعية للتنبؤ ببيانات السلاسل الزمنية	en_US
dc.type	Article	en_US