TY - JOUR ID - TI - A comparison between some classical and artificial intelligence methods for estimating missing values in univariate time series AU - Firas A. Mohammed ALmohana AU - Wasn Saad Mahdi PY - 2023 VL - 2 IS - 35 SP - 136 EP - 144 JO - Journal Of AL-Turath University College مجلة كلية التراث الجامعة SN - 20745621 AB - This research aims to compare the some classical methods with the artificial intelligence methods in estimating the missing values in the univariate time series data to determine the most accurate methods that treat the missing values in the univariate time series data set, where different sample sizes (300,100,60) were chosen with the deletion of four Loss percentages (5%, 10%, 15%, 20%) in a way that meets the MAR random missing conditions, and this is done by using the simulation method, and in order to obtain the accuracy of the performance of the methods, the accuracy standard of the mean squared error (MSE) was used. The results indicated that the most accurate method in estimating the missing values is the (RBF) method because it produces the lowest value of mean squared error compared to other methods.

يهدف هذا البحث الى مقارنة بعض الطرائق الكلاسيكية مع الطرائق الذكاء الأصطناعي في تقديرالقيم المفقودة في بياناتالسلاسل الزمنية أحادية المتغير لتحديد أدق الطرائق التي تعالج فقدان القيم في مجموعة بيانات السلاسل الزمنية أحاديةالمتغير حيث تم أختيار حجوم عينات مختلفة ) 300,100,60 ( مع حذف مايعادل أربع نسب للفقدان ) 5 ، % 10 ، % 15 %، 20 % ( بطريقة تحقق شروط الفقدان عشوائيا MAR ويتم ذلك من خلال أستعمال أسلوب المحاكاة ومن أجل الحصولعلى دقة أداء الطرائق تم أستعمال معيار الدقة متوسط مجموع مربعات الخطأ (MSE) . وأشارت النتائج االى أن أكثرالطرائق دقة في تقدير القيم المفقودة هي طريقة ) RBF ( لأنها تنتج أقل قيمة من متوسط مجموع مربعات الخطأ مقارنةبالطرائق الأخرى. ER -