كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

مكونات السلسلة: الاتجاه والموسمية والدورة والضوضاء

Trend, Seasonality, Cycles and Noise

مبتدئ12 دقيقة

أهداف الدرس

  • التمييز بين الاتجاه والموسمية والدورة
  • فهم الضوضاء البيضاء
  • قراءة المكونات من الرسم

الاتجاه Trend

تغير طويل الأمد في مستوى السلسلة صعوداً أو هبوطاً، وليس بالضرورة خطياً. مثال: عدد السكان في العراق.

88.6158227السلسلة100160220الاتجاه-14.0-3.57.0الموسمية-7.6-0.416.7الضوضاء20002004200820122016

الموسمية Seasonality

نمط يتكرر بفترة ثابتة ومعروفة مرتبطة بالتقويم: ذروة صيفية كل 12 شهراً أو انخفاض في نهاية كل أسبوع.

الدورة Cycle

تذبذبات صعود وهبوط بلا فترة ثابتة، تستمر عادة أكثر من سنتين، مثل الدورات الاقتصادية. الخلط بين الدورة والموسمية خطأ شائع: الموسمية فترتها ثابتة والدورة لا.

الضوضاء والضوضاء البيضاء

ما يتبقى بعد إزالة المكونات المنتظمة. الضوضاء البيضاء متغيرات غير مترابطة بمتوسط صفري وتباين ثابت؛ وهي ما نريد أن تبدو عليه بواقي النموذج الجيد.

\varepsilon_t \sim \text{i.i.d.}(0,\sigma^2)

بيانات تعليمية بمكونات معروفة

في مكتبة البيانات سلسلة اصطناعية (Synthetic) تحوي أعمدة الاتجاه والموسمية والضوضاء الحقيقية. شغّل التفكيك عليها وقارن النتيجة بالأعمدة الحقيقية لترى مدى دقته.

الخلاصة

  • الموسمية فترتها ثابتة، والدورة لا
  • البواقي الجيدة تشبه الضوضاء البيضاء

طبّق الدرس في تحليل السلسلة الزمنية

للاستزادة

  1. FPP3 §2.3 Time series patterns
  2. FPP3 §2.9 White noise