الخلاصة

في الوقت الحاضر، يعتمد اقتصاد الدول على تنمية القطاع الخاص. ومن أهم الشركات العاملة في هذا القطاع هي شركات المواد الغذائية. وقد عانت هذه الشركات من مشكلة تخزين المنتجات وتلفها بسبب تاريخ انتهاء صلاحيتها. تقترح هذه الأطروحة بناء استراتيجية تتنبأ بالحاجة الفعلية للشركات لكميات المنتجات في ظل وجود متغيرات أخرى. تعتمد الاستراتيجية المقترحة على ركيزتين أساسيتين: الأولى هي استخدام ثلاث مجموعات بيانات غذائية مختلفة مع اختلاف الارتباط بين سماتها، حيث أن مجموعة البيانات الأولى ذات ارتباط مرتفع، والثانية ذات ارتباط متوسط، والثالثة ستكون ضعيفة الارتباط. والثانية هي استخدام ثلاثة عشر خوارزمية للتعلم الآلي وتقييم نتائجها بناءً على عدة مقاييس محددة للحصول على أفضل خوارزمية من حيث الدقة. تشير النتائج المتحصل عليها إلى أن أفضل خوارزمية مطبقة على مجموعة البيانات الأولى ذات الارتباط العالي هي Gradient Boosting التي أعطت دقة (98.65)، وأفضل خوارزمية مطبقة على مجموعة البيانات الثانية ذات الارتباط المتوسط هي Gradient Boosting ايضا والتي أعطت دقة (59.29)، في حين أن أفضل خوارزمية مطبقة على مجموعة البيانات الثالثة مع الارتباط المنخفض كانت Random Forest التي أعطت دقة (39.39). وبناء على هذه النتائج تم تطبيق النموذج المقترح للتنبؤ بكميات التمور التي سينتجها العراق للسنوات الخمس القادمة، مع توفر متغيرات أخرى. حيث كانت مجموعة البيانات ذات ارتباط جيد، تم استخدام الخوارزمية الأولى وأعطت دقة (99.51). تضع هذه الأطروحة حداً للهدر الغذائي اليومي الذي يكبد العالم خسائر مالية كبيرة.