Smart forecast of Algeria’s unemployment rates during 1991- 2020
No Thumbnail Available
Date
2022-12-02
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
University of Larbi Ben M'hidi Oum EL Bouaghi
Abstract
The current study has aimed to apply a mathematical approach of artificial intelligence, which is represented by Non-Linear Autoregressive Artificial Neural Network Model (NNAR) to forecast Algeria’s monthly unemployment rates during Dec 1991-Dec 2020, using various algorithms in the training process. By comparing the results of proposed neural networks, it has been shown that the neural network model: NAR-LM of (4-1-20-1), which based on the Back-Propagation Algorithm, has better performance than the Bayesian Regulation Neural Network model and Gradual Training Algorithm as well, where forecast error has reached a value of 3, 56*10-6. Also, the generated series by neural networks: NAR-LM (4.1.20.1) and NAR-BR (4.1.20.1) emulate well the original series compared to NAR-SCG (2.1.10.1).
هدفت هذه الدراسة لتطبيق أسلوب رياضي من بين
أساليب الذكاء االصطناعي وتمثل في نموذج الشبكات
العصبية االصطناعية الالخطية ذات االنحدار الذاتي
(NNAR (للتنبؤ بمعدالت البطالة الشهرية في
الجزائر خالل الفترة الممتدة من شهر ديسمبر عام
1991 إلى غاية شهر ديسمبر عام 2020، مع استخدام
مختلف خوارزميات المطبقة في عملية التدريب ،من
خالل المقارنة بين نتائج الشبكات العصبية المقترحة
تبين أن نموذج الشبكة العصبية ذو البنية -NAR
خوارزمية على يعتمد والذي ،LM(4-1-20-1)
االنتشار الخلفي له أداء أفضل من نموذج الشبكة
العصبية ذات تنظيم بايزي و خوارزمية التدريب
6 -المتدرج ،حيث بلغ خطأ التنبؤ قيمة 10*56,3
،و
تبين كذلك أن السلسلة الناتجة عن الشبكة العصبية
NAR-العصبية والشبكة NAR-LM(4-1-20-1)
بشكل األصلية السلسلة تحاكيان BR(4-1-20-1)
NAR-SCG(2-1-10- العصبية بالشبكة مقارنة جيد
1)
Description
Keywords
Back-Propagation Algorithm, Bayesian Regulation, Gradual Training Algorithm