استخدام تقنيات الذكاء الاصطناعي في التنبؤ بالصادرات خارج قطاع المحروقات في الجزائر

تهدف هذه الدراسة إلى قياس مدى فاعلية استخدام تقنيات الذكاء الاصطناعي، وبشكل خاص خوارزميات تعلم الآلة، في التنبؤ بقيمة الصادرات خارج قطاع المحروقات في الجزائر خلال الفترة (2000–2023). وقد تم الاعتماد على مجموعة من المؤشرات الاقتصادية الكلية، وتطبيق عدة نماذج تنبؤية مثل: الانحدار الخطي,شجرة القرار,الغابة العشوائية، وآلات التعزيز التدريجي والجار الأقرب.Kاعتمدت الدراسة على المنهج الوصفي والمنهج التحليلي، إلى جانب استخدام أدوات كمية من خلال برمجيةPython ,حيث أظهرت النتائج أن النماذج الغير خطية خصوصا[RF,GBM] قد حققت أداءً أفضل من حيث دقة التنبؤ، مما يبرز إمكانية توظيف هذه الأدوات في دعم السياسات التصديرية واتخاذ القرارات الإستراتيجية المناسبة لاقتصاد البلاد, كما تؤكد الدراسة على أهمية تحليل العوامل الاقتصادية المؤثرة في السوق العالمية لتحقيق التنويع الاقتصادي وتعزيز القدرة التنافسية للصادرات الجزائرية.

This study aims to assess the effectiveness of using artificial intelligence techniques—particularly machine learning algorithms—in forecasting the value of non-hydrocarbon exports in Algeria during the period 2000–2023. The research relies on a set of macroeconomic indicators and applies several predictive models, including Linear Regression, Decision Tree, Random Forest, Gradient Boosting Machines (GBM), and K-Nearest Neighbors (KNN). The study adopts both the descriptive and analytical approaches, in addition to using quantitative tools through Python software. The results indicate that non-linear models, especially Random Forest and Gradient Boosting Machines, achieved better performance in terms of prediction accuracy. This highlights the potential of employing these tools to support export policies and strategic decision-making for the national economy. Furthermore, the study emphasizes the importance of analyzing economic factors affecting the global market to achieve economic diversification and enhance the competitiveness of Algerian exports.