المسرد · approach
التنبؤ بالسلاسل الزمنية
حقل النمذجة الإحصائية للتنبؤ بالقيم المستقبلية من مشاهدات مرتّبة زمنياً؛ يشمل نماذج ARIMA وETS ونماذج فضاء الحالة.
Time Series Forecastingتحليل السلاسل الزمنيةمنهجية Box-Jenkins
التنبؤ بالسلاسل الزمنية (Time Series Forecasting) هو الفرع الإحصائي الذي ينتج تقديرات نقطية ومجالية لقيم مستقبلية انطلاقاً من بيانات مرتّبة زمنياً (طلب، أسعار، درجة حرارة، حركة مرور). المكوّنات الأساسية: الاتجاه (وجهة طويلة المدى)، الموسمية (تكرار دوري)، الدورة (تذبذب طويل الموجة)، البواقي (ضوضاء). شكّل Box وJenkins (1970) المنهجية الكلاسيكية: اختبارات السكون (ADF وKPSS)، أخذ الفروق (d)، تحليل الترابط الذاتي (ACF) والترابط الذاتي الجزئي (PACF)، تحديد ARIMA (p,d,q) وSARIMA (P,D,Q,m)، تقدير المعاملات وفحص البواقي. تنمذج عائلة فضاء الحالة (ETS — error/trend/seasonal) الاتجاه والموسمية في إطار مرن، وتنعيم Holt-Winters الأسي الثلاثي هو السلف العملي. الأشكال الحديثة: نماذج السلاسل الزمنية الهيكلية، الانحدار الديناميكي (ARIMAX بمدخلات خارجية)، سلاسل بايزية، تعلم آلي (gradient boosting، LSTM، Temporal Fusion Transformer). معيار الاختيار الآلي للنموذج وضعه Hyndman وKhandakar (2008). في التنبؤ الهرمي (صنف-فئة-إجمالي) تفرض طرق المصالحة اتساقاً بين المستويات.
Örnek
مشغّل تجارة إلكترونية يتنبأ بحجم الطلبات اليومي بنموذج SARIMA(1,1,1)(0,1,1)7 حيث m=7 يلتقط الموسمية الأسبوعية؛ يستقر MAPE حول 8.4% ويغذّي المخرج تخطيط المخزون وطاقة الشحن.