Using Artificial Intelligence for Studying Influential Factors on Consumption of Natural Gas in Egypt /
Eman Ahmed Abd El-Hameed Ibrahim,
Using Artificial Intelligence for Studying Influential Factors on Consumption of Natural Gas in Egypt / استخدام الذكاء الاصطناعى لدراسة العوامل المؤثره على استهلاك الغاز الطبيعى فى مصر By Eman Ahmed Abd El-Hameed Ibrahim; Under the Supervision of Prof. Dr Mohamed Abd ElHameed Sabry, Dr. Noura Anwar Abdel-Fattah - 84 Leaves : illustrations ; 30 cm. + CD.
Thesis (M.Sc.)-Cairo University, 2024.
Bibliography: pages 77-79.
In recent years, Egypt has faced growing challenges in meeting its natural gas demand. By 2013, the country produced approximately four billion cubic feet of gas per day, while importing nearly one billion cubic feet, creating significant pressure on its foreign exchange reserves. To address this issue, the government focused on developing new wells and optimizing existing ones. A major turning point occurred in August 2015, when the Italian company Eni discovered the Zohr gas field in the Mediterranean, the largest in Egypt and the eastern region, with estimated reserves of thirty trillion cubic feet and an expected production capacity of two billion cubic feet by the end of 2019. Against this background, this study aims to examine the factors affecting natural gas consumption in seven Egyptian governorates between 2019 and 2023, and to predict future consumption using artificial intelligence (AI) techniques. Specifically, the research analyzes consumption patterns, divides months into quarters, and compares domestic, industrial, and commercial sectors. It also considers key influencing factors such as the number of customers, weather conditions, and pricing. Artificial intelligence methods, including Random Forest Regressor and Neural Networks, were applied to the data. Results indicate that the Random Forest Regressor achieved an accuracy of 93% on training data and 91% on test data, while the Neural Network (5000 epochs) recorded 85% on training data and 95% on test data. Although each method provided valuable insights, the Neural Network proved to be the most effective predictive model, offering scalability and improved accuracy with additional data. This study highlights the vital role of natural gas as an indispensable energy source for Egypt, even with the growing presence of alternative clean energy solutions. في السنوات الأخيرة، واجهت مصر تحديات متزايدة في تلبية طلبها على الغاز الطبيعي. وبحلول عام
2013 ، أنتجت البلاد حوالي أربعة مليارات قدم مكعب من الغاز يوميًا بينما استوردت ما يقرب من مليار قدم
مكعب، مما خلق ضغطًا كبيرًا على احتياطيات النقد الأجنبي. ولمعالجة هذه المشكلة، ركزت الحكومة على
تطوير آبار جديدة وتحسين الآبار الموجودة. وجاءت نقطة تحول رئيسية في أغسطس 2015 ، عندما اكتشفت
شركة إيني الإيطالية حقل غاز ظهر في البحر الأبيض المتوسط، وهو الأكبر في مصر والمنطقة الشرقية،
باحتياطيات تقدر بثلاثين تريليون قدم مكعب وسعة إنتاج متوقعة تبلغ ملياري قدم مكعب بحلول نهاية عام
2019 . وعلى هذه الخلفية، تهدف هذه الدراسة إلى دراسة العوامل المؤثرة على استهلاك الغاز الطبيعي في
سبع محافظات مصرية بين عامي 2019 و 2023 ، والتنبؤ بالاستهلاك المستقبلي باستخدام تقنيات الذكاء
الاصطناعي. وعلى وجه التحديد، يحلل البحث أنماط الاستهلاك، ويقسم الأشهر إلى أرباع، ويقارن بين
القطاعات المحلية والصناعية والتجارية. كما يأخذ في الاعتبار العوامل المؤثرة الرئيسية مثل عدد العملاء،
والظروف الجوية، والتسعير. طُبّقت أساليب الذكاء الاصطناعي، بما في ذلك مُنْتَقِذ الغابة العشوائية والشبكات
العصبية، على البيانات. أشارت النتائج إلى أن مُنْتَقِذ الغابة العشوائية حقق دقةً بلغت 93 % في بيانات التدريب
و 91 % في بيانات الاختبار، بينما سجّلت الشبكة العصبية بلغت 85 % في بيانات التدريب و 95 % في بيانات
الاختبار. على الرغم من أن كلتا الطريقتين قدمتا رؤىً قيّمة، إلا أن الشبكة العصبية أثبتت أنها النموذج
التنبئي الأكثر فعالية، حيث أتاحت إمكانية التوسع ودقةً مُحسّنة مع البيانات الإضافية. تُسلّط هذه الدراسة
الضوء على الدور الحيوي للغاز الطبيعي كمصدر طاقة لا غنى عنه في مصر، حتى مع تزايد وجود حلول
بديلة للطاقة النظيفة.
Text in English and abstract in Arabic & English.
Data Analysis
ML Machine Learning SVM Support Vector Machine KDD Knowledge Discovery in Database CART Classification and Regression Tree RF Random Forest TTB Time To Build ANN Artificial Neural Network اكتشاف المعرفة في قواعد البيانات تصنيف وشجرة الانحدار آلة دعم المتجهات الشبكة العصبية الاصطناعية الغابة العشوائية وقت البناء تعلم الآلة
519
Using Artificial Intelligence for Studying Influential Factors on Consumption of Natural Gas in Egypt / استخدام الذكاء الاصطناعى لدراسة العوامل المؤثره على استهلاك الغاز الطبيعى فى مصر By Eman Ahmed Abd El-Hameed Ibrahim; Under the Supervision of Prof. Dr Mohamed Abd ElHameed Sabry, Dr. Noura Anwar Abdel-Fattah - 84 Leaves : illustrations ; 30 cm. + CD.
Thesis (M.Sc.)-Cairo University, 2024.
Bibliography: pages 77-79.
In recent years, Egypt has faced growing challenges in meeting its natural gas demand. By 2013, the country produced approximately four billion cubic feet of gas per day, while importing nearly one billion cubic feet, creating significant pressure on its foreign exchange reserves. To address this issue, the government focused on developing new wells and optimizing existing ones. A major turning point occurred in August 2015, when the Italian company Eni discovered the Zohr gas field in the Mediterranean, the largest in Egypt and the eastern region, with estimated reserves of thirty trillion cubic feet and an expected production capacity of two billion cubic feet by the end of 2019. Against this background, this study aims to examine the factors affecting natural gas consumption in seven Egyptian governorates between 2019 and 2023, and to predict future consumption using artificial intelligence (AI) techniques. Specifically, the research analyzes consumption patterns, divides months into quarters, and compares domestic, industrial, and commercial sectors. It also considers key influencing factors such as the number of customers, weather conditions, and pricing. Artificial intelligence methods, including Random Forest Regressor and Neural Networks, were applied to the data. Results indicate that the Random Forest Regressor achieved an accuracy of 93% on training data and 91% on test data, while the Neural Network (5000 epochs) recorded 85% on training data and 95% on test data. Although each method provided valuable insights, the Neural Network proved to be the most effective predictive model, offering scalability and improved accuracy with additional data. This study highlights the vital role of natural gas as an indispensable energy source for Egypt, even with the growing presence of alternative clean energy solutions. في السنوات الأخيرة، واجهت مصر تحديات متزايدة في تلبية طلبها على الغاز الطبيعي. وبحلول عام
2013 ، أنتجت البلاد حوالي أربعة مليارات قدم مكعب من الغاز يوميًا بينما استوردت ما يقرب من مليار قدم
مكعب، مما خلق ضغطًا كبيرًا على احتياطيات النقد الأجنبي. ولمعالجة هذه المشكلة، ركزت الحكومة على
تطوير آبار جديدة وتحسين الآبار الموجودة. وجاءت نقطة تحول رئيسية في أغسطس 2015 ، عندما اكتشفت
شركة إيني الإيطالية حقل غاز ظهر في البحر الأبيض المتوسط، وهو الأكبر في مصر والمنطقة الشرقية،
باحتياطيات تقدر بثلاثين تريليون قدم مكعب وسعة إنتاج متوقعة تبلغ ملياري قدم مكعب بحلول نهاية عام
2019 . وعلى هذه الخلفية، تهدف هذه الدراسة إلى دراسة العوامل المؤثرة على استهلاك الغاز الطبيعي في
سبع محافظات مصرية بين عامي 2019 و 2023 ، والتنبؤ بالاستهلاك المستقبلي باستخدام تقنيات الذكاء
الاصطناعي. وعلى وجه التحديد، يحلل البحث أنماط الاستهلاك، ويقسم الأشهر إلى أرباع، ويقارن بين
القطاعات المحلية والصناعية والتجارية. كما يأخذ في الاعتبار العوامل المؤثرة الرئيسية مثل عدد العملاء،
والظروف الجوية، والتسعير. طُبّقت أساليب الذكاء الاصطناعي، بما في ذلك مُنْتَقِذ الغابة العشوائية والشبكات
العصبية، على البيانات. أشارت النتائج إلى أن مُنْتَقِذ الغابة العشوائية حقق دقةً بلغت 93 % في بيانات التدريب
و 91 % في بيانات الاختبار، بينما سجّلت الشبكة العصبية بلغت 85 % في بيانات التدريب و 95 % في بيانات
الاختبار. على الرغم من أن كلتا الطريقتين قدمتا رؤىً قيّمة، إلا أن الشبكة العصبية أثبتت أنها النموذج
التنبئي الأكثر فعالية، حيث أتاحت إمكانية التوسع ودقةً مُحسّنة مع البيانات الإضافية. تُسلّط هذه الدراسة
الضوء على الدور الحيوي للغاز الطبيعي كمصدر طاقة لا غنى عنه في مصر، حتى مع تزايد وجود حلول
بديلة للطاقة النظيفة.
Text in English and abstract in Arabic & English.
Data Analysis
ML Machine Learning SVM Support Vector Machine KDD Knowledge Discovery in Database CART Classification and Regression Tree RF Random Forest TTB Time To Build ANN Artificial Neural Network اكتشاف المعرفة في قواعد البيانات تصنيف وشجرة الانحدار آلة دعم المتجهات الشبكة العصبية الاصطناعية الغابة العشوائية وقت البناء تعلم الآلة
519