Abstract:
يتناول هذا البحث استخدام نماذج الشبكات العصبية الاصطناعية في دراسة السلاسل الزمنية للطاقة المولدة من الكهرباء اليومية بمحطتي خزان سنار وخزان الرصيرص. وتتمثل اهمية هذا البحث في تعريف الشبكات العصبية والتعرف علي اهم تطبيقاتها والعلاقة بين نماذج الشبكات العصبية والسلاسل الزمنية وكذلك انواع الشبكات العصبية و خطوات بناء الشبكة العصبية . وبناء نموذج شبكة عصبية لتقدير الكمية المولدة اليومية من الكهرباء بمحطة خزان الرُصيرص وكذلك خزان سنار والتنبؤ في المستقبل .
واتبع البحث استخدام المنهج الوصفي لوصف متغيرات الدراسة والمنهج الاحصائي التحليلي لتحليل البيانات باستخدام البرامج التاليةSTATISTICA, Minitab, Excel and Spss . وقد كانت فرضيات الدراسة :
1. متوسط مجموع مربعات الاخطاء لنموذج الشبكة العصبية للسلسلة الزمنية للطاقة المولدة من الكهرباء اليومية بمحطة خزان الرصيرص له قيمة صغيرة ويمكن التنبؤ به .ومتوسط مجموع مربعات الاخطاء لنموذج الشبكة العصبية للسلسلة الزمنية للطاقة المولدة من الكهرباء اليومية بمحطة خزان سنار له قيمة صغيرة ويمكن التنبؤ به .
2. نموذج الشبكة العصبية للسلسلة الزمنية للطاقة المولدة من الكهرباء اليومية بمحطة خزان الرصيرص أفضل من نموذج الشبكة العصبية للسلسلة الزمنية للطاقة المولدة من الكهرباء اليومية بمحطة خزان سنار.
و تم التوصل إلى النتائجالتالية:
استخدام شبكة البيرسبترون متعدد الطبقات 1-2-1MLP لبناء نموذج الشبكة لبيانات الطاقة المولدة للكهرباء اليومية بمحطة خزان الروصيرص وكذلك لبيانات الطاقة المولدة للكهرباء بمحطة خزان سنار التي تتكون بنيتها المعمارية من طبقة ادخال واحدة وطبقتين خفيتين وطبقة اخراج واحدة واستخدمت الدالة اللوجستية كدالة تحفيز في الطبقات وتم استخدام خوارزمية الانتشار السريع لتدريب هذه الشبكات.
متوسط مجموع مربعات الاخطاء لنموذج الشبكة العصبية للسلسلة الزمنية للطاقة المولدة من الكهرباء اليومية بمحطة خزان الرصيرص ولخزان سنار لهما قيمة صغيرة مما يدل علي أن هذه الشبكة جيدة ويمكن التنبؤ بها.
نموذج الشبكة العصبية لمحطة سنار أفضل من نموذج الشبكة العصبية لمحطة الرصيرص .
و من خلال النتائج تم التوصل الى التوصيات الآتية:
تحسين اداء نماذج الشبكات العصبية في تحليل السلاسل الزمنية يتمباتباع الأتي :
• زيادة حجم البيانات .
• ازالة التغيرات من السلاسل الزمنية .
• تجريب عدد من معماريات الشبكات العصبية .
• تكرار التدريب .
الاستفادة من أساليب الشبكات العصبية في بناء نماذج التنبؤ بالطاقة المولدة من الكهرباء وذلك للكفاءة العالية لهذه النماذج في التنبؤ .
نوصي بعمل المزيد من الدراسات الاحصائية عن نماذج الشبكاتالعصبية الاصطناعية حيث انها لها تطبيقات كثيرة مثل السلاسل الزمنية بمتغير واحد والسلاسل الزمنية متعددة المتغيرات ونماذج الانحدار والتحليل العنقودي وغيرها, ويمكن عمل دراسات عن المقارنة بين نماذج الشبكات العصبية المختلفة مثل MLP, RBF,Sigma-Pi&Pi sigma
