دراسة متكاملة في تحليل السلاسل الزمنية (Time Series Analysis) لبيانات استهلاك الطاقة بمدينة تطوان (+52 ألف سجل سنوياً)، لبناء منظومة تنبؤية للطلب خلال 48 ساعة لدعم إدارة الأحمال الكهربائية.

منهجية العمل والنتائج:

التحليل والاستكشاف (EDA & STL):
دراسة الأنماط اليومية والموسمية، وإثبات ارتباط درجات الحرارة بالطلب (>0.70)، وتفكيك السلاسل بتقنية STL لعزل الاتجاه (Trend) والموسمية (Seasonality).

اختبارات الاستقرار (Stationarity):
تطبيق اختباري ADF وKPSS وتحديد الفروق (Differencing)، مع فحص دوال الارتباط الذاتي (ACF/PACF).

النمذجة الإحصائية (SARIMA):
تدريب SARIMA(1,1,1)(1,1,1)[24] عبر معيار AIC، محققاً نسبة خطأ (MAPE) بلغت 5.83% (تحسن 68% عن ARIMA).

التعلم العميق والذكاء الاصطناعي (MLP):
بناء شبكة Deep MLP بـ 12 خاصية تضم المتغيرات المتأخرة (Lags) وبيانات الطقس، محققة أعلى دقة بمعدل خطأ 4.1% MAPE.

التقنيات المستخدمة:
Python 3.10, statsmodels, pmdarima, Scikit-learn, Pandas, NumPy, Matplotlib, Seaborn