Ամսագրի կամ հրապարակման վերնագիր:
Հրապարակման ամսաթիվ:
Համար:
ISSN:
Լրացուցիչ տեղեկություն:
Վերնագիր:
Այլ վերնագիր:
Միաչափ SARIMA և բազմաչափ VAR մոդելների համեմատական վերլուծություն ժամանակային շարքերի կանխատեսման համար. կլիմայի փոփոխականների դեպքի ուսումնասիրություն Իրաքի Նինահվա քաղաքում ; Сравнительный анализ одномерных SARIMA и многомерных VAR моделей для прогнозирования временных рядов: тематическое исследование климатических переменных в городе Нинахва, Ирак
Ստեղծողը:
Othman, Sameera A. ; Jameel, Hasan H. ; Abdulazeez, Sadeq T.
Խորագիր:
Mathematical cybernetics ; Computer science
Չվերահսկվող բանալի բառեր:
Modeling ; Doers ; Energizers ; Classifiers ; Cognizing ; Fundamentals ; Dynamicity
Ծածկույթ:
Ամփոփում:
This study involves a comparison between the application of the univariate SARIMA model and the utilization of VAR methods (vector autoregressive models) for multivariate time series analysis. The analysis is conducted using three-time series variables derived from data representing the monthly average of Humidity (H), Rainfall (R), and Temperature (T) in Ninahvah City, Iraq. Both univariate and multivariate time series approaches are employed to model these series. The paper also outlines the implementation of vector autoregressive, structural vector autoregressive, and structural vector error correction models using the 'vars' package. Additionally, it provides functions for diagnostic testing, estimation of constrained models, prediction, causality analysis, impulse response analysis, and forecast error variance decomposition. Furthermore, it introduces three fundamental functions, VAR, SVAR, and SVEC, for estimating these models. The comparison between the methods is based on evaluating the mean error produced by each approach. The findings of the study indicate that univariate linear stationary methods outperform multivariate models. The analysis of the data was carried out using the R software platform. The primary objective is to assess the performance of univariate and multivariate time series models in handling the given data. The research gap lies in the need for a comparative evaluation of SARIMA and VAR methods for time series analysis in the context of monthly environmental variables. These models were chosen due to their effectiveness in capturing temporal dependencies and interactions among multiple variables in time series data, providing a comprehensive analysis of climatic patterns in Ninahvah City, Iraq. The study aims to address the research gap by comparing these models and justifying their selection based on their capabilities to analyze the specified time series data.
Данное исследование включает сравнение применения одномерной модели SARIMA и использования методов VAR (векторных авторегрессионных моделей) для многомерного анализа временных рядов. Анализ проводится с использованием переменных трех временных рядов, полученных на основе данных, представляющих среднемесячные значения влажности (H), количества осадков (R) и температуры (T) в городе Нинахва, Ирак. Для моделирования этих рядов используются как одномерные, так и многомерные подходы к временным рядам. В статье также описывается реализация моделей векторной авторегрессии, структурной векторной авторегрессии и структурной векторной коррекции ошибок с использованием пакета vars. Кроме того, он предоставляет функции для диагностического тестирования, оценки моделей с ограничениями, прогнозирования, анализа причинно-следственных связей, анализа импульсных характеристик и разложения дисперсии ошибок прогноза. Кроме того, для оценки этих моделей вводятся три фундаментальные функции: VAR, SVAR и SVEC. Сравнение методов основано на оценке средней ошибки, создаваемой каждым подходом. Результаты исследования показывают, что одномерные линейные стационарные методы превосходят многомерные модели. Анализ данных проводился с использованием программной платформы R. Основная цель — оценить эффективность одномерных и многомерных моделей временных рядов при обработке данных. Пробел в исследованиях заключается в необходимости сравнительной оценки методов SARIMA и VAR для анализа временных рядов в контексте ежемесячных переменных окружающей среды. Эти модели были выбраны из-за их эффективности в определении временных зависимостей и взаимодействий между множеством переменных в данных временных рядов, обеспечивая всесторонний анализ климатических моделей в городе Нинахва, Ирак. Исследование направлено на устранение пробелов в исследованиях путем сравнения этих моделей и обоснования их выбора на основе их возможностей анализировать указанные данные временных рядов.
Այս ուսումնասիրությունը ներառում է համեմատություն SARIMA միաչափ մոդելի կիրառման և VAR մեթոդների (վեկտորային ավտոռեգրեսիվ մոդելներ) օգտագործման միջև բազմաչափ ժամանակային շարքերի վերլուծության համար: Վերլուծությունն իրականացվում է եռաժամանակյա շարքի փոփոխականների միջոցով, որոնք ստացվել են Իրաքի Նինահվա քաղաքում խոնավության (H), տեղումների (R) և ջերմաստիճանի (T) ամսական միջինը ներկայացնող տվյալներից: Այս շարքերը մոդելավորելու համար օգտագործվում են և՛ միաչափ, և՛ բազմաչափ ժամանակային շարքերի մոտեցումները: Հոդվածը ուրվագծում է նաև վեկտորային ավտոռեգրեսիայի, կառուցվածքային վեկտորի ավտոռեգրեսիայի և կառուցվածքային վեկտորի սխալի ուղղման մոդելների իրականացումը vars փաթեթի միջոցով: Բացի այդ, այն ապահովում է ախտորոշիչ թեստավորման, սահմանափակ մոդելների գնահատման, կանխատեսման, պատճառահետևանքային վերլուծության, իմպուլսային արձագանքի վերլուծության և կանխագուշակման սխալի շեղումների տարրալուծման գործառույթներ: Բացի այդ, այս մոդելները գնահատելու համար ներդրվում են երեք հիմնարար գործառույթներ՝ VAR, SVAR և SVEC: Մեթոդների համեմատությունը հիմնված է յուրաքանչյուր մոտեցման արդյունքում առաջացած միջին սխալի գնահատման վրա: Հետազոտության արդյունքները ցույց են տալիս, որ միաչափ գծային ստացիոնար մեթոդները գերազանցում են բազմաչափ մոդելներին: Տվյալների վերլուծությունը կատարվել է R ծրագրային հարթակի միջոցով: Հիմնական նպատակը տվյալների մշակման մեջ միաչափ և բազմաչափ ժամանակային շարքերի մոդելների կատարողականի գնահատումն է: Հետազոտության բացը կայանում է ամսական բնապահպանական փոփոխականների համատեքստում ժամանակային շարքերի վերլուծության SARIMA և VAR մեթոդների համեմատական գնահատման անհրաժեշտության մեջ: Այս մոդելներն ընտրվել են ժամանակային սերիաների տվյալների մեջ բազմաթիվ փոփոխականների միջև ժամանակային կախվածությունների և փոխազդեցությունների գրանցման արդյունավետության շնորհիվ՝ ապահովելով Իրաքի Նինահվա քաղաքի կլիմայական օրինաչափությունների համապարփակ վերլուծություն: Ուսումնասիրության նպատակն է լրացնել հետազոտության բացը` համեմատելով այս մոդելները և հիմնավորելով դրանց ընտրությունը` հիմնվելով նշված ժամանակային շարքի տվյալները վերլուծելու նրանց կարողությունների վրա: