ABSTRACT:-This research was concerning to study monotone nonparametric methods for estimating the nonparametric regression function (i.e treatment outlier) to achieve a monotone function (nonincreasing).So we will use the monotone methods to treatment outlier but after estimate the regression function with use kernel estimator (local linear regression ) these methods are:-1-Mukerjee method takes averages of maximums and minimum of subsets of the data was used to adjust the initial kernel regression estimates 2-Algorithm least square isotonic regression called (PAV) .3-use the researcher special case when .In the experimental aspect comparison was done of which is the best methods through the simulation procedure using)Monte Carlo( method.In both aspects we use two of the important statistical measures which are Mean square error (MSE) and efficiency.

المستخلص :عند تطبيق الانحدار اللامعلمي على البيانات ، ربما يتوقع الباحث في حالات معينة بان دالة متوسط الاستجابة ستكون رتيبه ( متزايده اومتناقصه ) وعلى الرغم من مرونه الانحدار اللامعلمي ، فان هناك بعض الحالات والتي تكون فيها الدالة المقدره ليست رتيبه ، لذا سيتم معالجة القيم الشاذه (outlier) لجعل الدالة اللامعلمية المقدرة رتيبه .لقد تم تقدير دالة الانحدار اللامعلمي بأستخدام ممهد kernel (الممهد الخطي الموضعي)(local linear regression (، ومن ثم نقوم بتقدير الطرائق الرتيبة لجعل الدالة (متناقصة ) ،وسوف نستخدم بعض الطرائق الرتيبه لمعالجة القيم الشاذه حيث ان التقنيه الاولى تعتمد على خوارزمية (PAV ) (Pool –adjacent violators ) والتي اقترحها كل من الباحثين (Brunk ،Barlow ) لحل مشكلة الرتابة ولجعل الدالة متناقصة اما التقنية الثانية فهي التقنية المقترحة من قبل الباحثين ( (Mukerjee & Stern والتي تعتمد على المعدلات الاعتيادية البسيطة للحدود العليا والدنيا حيث سيتم الاستفاده من دالة التقلص (Shrunken) ،اما التقنية الثالثة فتعتمد على استخدام وهي حالة خاصة من دالة التقلص .

طرائق الانحدار

يعد أسلوب تحليل السلاسل الزمنية من الأساليب الإحصائية التي تهتم بدراسة البيانات عبر فترات زمنية منتظمة،ويتطلب هذا التحليل تحديد الأنموذج المناسب الذي يصف العلاقة بين هذه البيانات ومن هذه النماذج انموذج الانحدار الذاتيAutoregressiveالذي يستخدم في الكثير من المجالات التطبيقية، وبما أن هنالك قيود متباينة على الأنموذج لتحقيق الاستقرارية لذلك تم في هذا البحث استخدام طريقتين للتقدير في حالة وجود قيود متباينة ومقارنتها بطريقة المربعات الصغرى التقليدية في تقدير معلمة انموذج الانحدار الذاتي من الدرجة الأولى. واستخدمت المحاكاة لبيان أفضلية هذه الطرائق،ومن خلال تجارب المحاكاة تبين أن طريقة OLS كانت تعطي اقل متوسط مربعات خطأ لتقدير معلمة الأنموذج وتاليها طريقة ME عند جميع قيم ولجميع أحجام العينات ما عدا عندما تأخذ فكانت طريقة ME تعطي اقل متوسط مربعات خطأ لتقدير معلمة الأنموذج عند حجم العينة 50 و100 وعند باقي أحجام العينة المدروسة كانت طريقة OLS تعطي اقل قيم ولجميع التوزيعات المدروسة، ما عدا عندما يتوزع الخطأ التوزيع اللوغارتمي الطبيعي إذ منحت طريقة OLS قيما اصغر عندما تكون وعندما تكون كانت طريقة ME تمنح قيما اصغر عند جميع أحجام العينات وعندما تكون كانت طريقة TG عند جميع أحجام العينات.

Autoregressive --- الانحدار الذاتي

تم في هذا البحث استخدام أسلوب مهجن بين الشبكات العصبية الاصطناعية ونموذج الانحدار الخطي، إذ تم توضيح آلية عمل هذا الأسلوب المهجن ومقارنته مع نماذج الشبكات العصبية ونموذج الانحدار الخطي لمعرفة مدى كفاءة هذا الأسلوب. وباستخدام معيار متوسط مربعات الخطأ ثبتت كفاءة هذا الأسلوب المهجن وهو ما يطلق عليه أسلوب شبكة الانحدار العصبية المعممة مقارنة مع النموذجين المستخدمين من خلال تجارب المحاكاة وتطبيق الأمثلة الواقعية

In this paper, we use a hybrid technique from artificial neural network and linear regression model. We explain how this hybrid technique works and compare it with neural network and linear regression model. To show how well done, we used the Mean Square Error (MSE) criteria through using simulation and real examples, we show that this hybrid technique, generalized regression neural network has minimum value of MSE

الشبكات العصبية الاصطناعية، نموذج الانحدار الخطي، شبكة الانحدار العصبية المعممة.

لوحة الانحدار للسيطرة أداة فعالة للسيطرة على العمليات الاحصائية حينما تكون صفة المُخرج قيد الاهتمام ، وتتأثر بمتغير خارجي ذي علاقةٍ بِها ، في هذاِ البحث تم تكوين لوحة الانحدار للسيطرة من بيانات تم الحصول عليها من معمل سمنت بادوش (التوسيع) ، وهي كمية انتاج السمنت (مُتغير الاستجابة y) ،التي تتأثر بساعات العمل المستخدمة في المعمل (المتغير التوضيحي x) ، وأخذت البيانات خلال المدة الزمنية (2009-2010) ، ولغرض بيان اداء المعمل قمنا بتطبيق اللوحة على بيانات مدة زمنية لاحقة (العام 2011) وكان هُناك نقطة واحدة خرجت عن حد السيطرة الاعلى ،وهذا يعني أنَّ هُناك تحسُناً كبيراً في مستوى الاداء وزيادة في معدل الانتاجية (قد يكون بشكل مؤقت او مستمر) . وعليهِ لابُد من التحقيق في السبب الذي أَدى الى خروج تِلكَ النقطة عن حد السيطرة الاعلى واعتمادهِ من أَجل تطور المعمل وزيادة إِنتاجهِ.

لوحة الانحدار لمسيطرة ، العمميات الاحصائية

Feature extraction from the surface topography is the creation of a bitmap representing the earth's surface elevations based on Digital Elevation Model, which is the base of the analyzing of topographical surfaces. The digital elevation models are mainly derived by stereo pair images (a pair of images) available from the Photogrammetry data and remote sensing, or from topographical maps, and we use a digital elevation model derived from topographical maps, and we derived a number of important properties from digital elevations model such as gradient direction and the Earth's shadow using a ArcGIS ver. 9.3 , which represent the input data to extract the hydrological characteristics such as determining the flow direction , also calculating the flow accumulation , producing the output map Stream to determine the valleys in the region and the production of Basin map to determine the basin of nutrition , the locations of the small dams can be selected using Arc GIS ver. 9.3 and its extension Arc Hydro.

استخلاص المعالم من السطوح الطبوغرافية هي إنشاء صورة نقطية تمثل ارتفاعات سطح الأرض بالاعتماد على نموذج الارتفاع الرقمي الذي يعتبر الأساس الذي يعتمد عليه تحليل السطوح الطبوغرافية . إن نماذج الارتفاعات الرقمية تستنبط بشكل رئيسي بتطبيق النماذج المجسمة ( زوج من الصور) المتوفرة من المسح التصويري وبيانات التحسس النائي أو من الخرائط الطبوغرافية وهنا تم استخدام نموذج ارتفاع رقمي مستخلص من الخرائط الطبوغرافية ، واشتقاق عدد من الخصائص الهامة من نموذج الارتفاع الرقمي مثل الانحدار والتوجيه وظلال الأرض باستخدام برنامج ArcGIS إصدار 9.3 , والتي تعتبر مدخلات لاستخلاص الخصائص الهيدرولوجية مثل تحديد اتجاه سريان المياه فوق سطح الأرض بعدها تم حساب تراكم السريان و إنتاج خارطة Stream order لتحديد الوديان الموجودة في المنطقة وإنتاج خارطة Basin لتحديد حوض التغذية وبالاعتماد على هذه الطبقات يتم اختيار مواقع للسدود باستخدام برنامج ArcGIS إصدار 9.3 وامتداده Arc Hydro.

نموذج ارتفاع رقمي --- حوض التغذية --- الانحدار