هدى الجيلي فضل المولى محمد2022-08-302022-08-302022-07http://hdl.handle.net/123456789/17362بحث تكميلي لنيل درجة الماجستير في علوم حاسوبالمستخلص ان الطاقة الكهربائية هي المحرك الرئيسي لجميع القطاعات وان استهلاكها في تزايد مستمر مع الزمن وذلك من خلال فترات الدراسة وخصوصا في الآونة الأخيرة ونظرا لأهمية معرفة حجم استهلاك الكهرباء , فقد تناول البحث مشكلة تقدير تكلفة الاستهلاك الشهري للكهرباء ولتحقيق ذلك تم تطبيق منهجية الشبكات العصبية الاصطناعية باستخدام لغة البرمجة بايثون حيث تتدرب الشبكة على عدد من الأمثلة ,هذه الأمثلة تشكل أهم العوامل تأثيرا على الاستهلاك الناتج من ذلك. وبدراسة العوامل والتدرب عليها تصبح الشبكة جاهزة للاختبار وتقدير التكلفة لأمثلة أخرى . لتحقيق ذلك تم استخدام شبكة ذات تغذية أمامية متعددة الطبقات واستخدام خوارزمية الانتشار الخلفي للتدريب فقد توصلت النتائج الي ان أداء الشبكات العصبية كان جيدا في عملية التنبؤ وان شبكة تقدير تكلفة الاستهلاك تمكن المستخدم من التحكم في ضبط التكلفة لاستهلاكه وذلك بتمرير قيم مختلفة لمتغيرات المشكلة وملاحظة التغير الذي يحدث في قيمة التكلفة الناتجة كما بلغت أقل قيمة لمتوسط مربع الخطأ(MSE) الناتج من عملية التدريب 0.5302 Abstract Electric energy is the main driver for all sectors, and its consumption is constantly increasing with time, through study periods, especially in recent times, and given the importance of knowing the volume of electricity consumption, The research dealt with the problem of estimating the cost of the monthly consumption of electricity. To achieve this, the methodology of artificial neural networks was applied using the Python programming language Where the network trains on a number of examples, these examples are the most important factors affecting the resulting consumption By studying and training the factors, the network is ready for testing and cost estimation for other examples To achieve this, a multi-layer feed-forward network was used and a back-propagation algorithm was used for training. The results showed that the performance of neural networks was good in the prediction process And the consumption cost estimation network enables the user to control the cost control for its consumption by passing different values ​​to the problem variables and noting the change that occurs in the value of the resulting cost as it reached less than the mean square error (MSE) resulting from the training process 0.5302الشبكات العصبيةThesis