Fig. 1. shows the comparison of fou

Fig. 1. shows the comparison of four kinds of models about the total water requirement of the true and regression
value measured by billion cubic meters. Under the condition of making minimum mean square error(MSE), the first
model, i.e., the model of the total water requirement determined by the influencing factors of this year, makes the
best result of autoregression. Therefore, we select the first model to be our forecasting model. Then we obtain the
forecasting of influencing factors from the year of 2012 to 2016 via matlab toolbox about ARMA model. Finally, we
use the first model above to forecast the total water requirement measured by billion cubic meters from the year of
2012 to 2016 and the results are shown in Table 5.

ผลลัพธ์ (ไทย) 2:

มะเดื่อ 1. แสดงการเปรียบเทียบสี่ชนิดของแบบจำลองเกี่ยวกับความต้องการน้ำทั้งหมดของความจริงและการถดถอย
ค่าที่วัดได้โดยพันล้านลูกบาศก์เมตร ภายใต้เงื่อนไขของการทำขั้นต่ำคลาดเคลื่อนกำลังสอง (MSE) เป็นครั้งแรกใน
รูปแบบคือรูปแบบของความต้องการน้ำทั้งหมดที่กำหนดโดยปัจจัยที่มีอิทธิพลของปีนี้ทำให้
ผลที่ดีที่สุดของ autoregression ดังนั้นเราจึงเลือกรุ่นแรกจะเป็นแบบจำลองการคาดการณ์ของเรา จากนั้นเราได้รับ
การคาดการณ์ของปัจจัยจากปี 2012-2016 ผ่านทางที่มีอิทธิพลต่อกล่องเครื่องมือ MATLAB เกี่ยวกับรูปแบบ ARMA สุดท้ายเรา
ใช้รูปแบบครั้งแรกดังกล่าวข้างต้นในการคาดการณ์ความต้องการน้ำทั้งหมดที่วัดโดยพันล้านลูกบาศก์เมตรจากปีที่
2012-2016 และผลที่ได้แสดงไว้ในตารางที่ 5

ผลลัพธ์ (ไทย) 3:

รูปที่ 1 แสดงการเปรียบเทียบชนิดของรุ่น เรื่องทั้งหมด ความต้องการน้ำของจริงและถดถอย
วัดค่าโดยพันล้านลูกบาศก์เมตร ภายใต้เงื่อนไขของการทำขั้นต่ำ Mean Square Error ( MSE ) , แรก
รูปแบบ ได้แก่ รูปแบบของความต้องการน้ำทั้งหมด โดยพิจารณาอิทธิพลของปีนี้ ทำให้ดีที่สุด ผลของการถดถอยอัตตะ
. ดังนั้นเราเลือกแบบแรกเป็นรูปแบบการคาดการณ์ของเรา งั้นเราขอรับ
การพยากรณ์ปัจจัยที่มีอิทธิพลจากปี 2555 2559 ผ่านทางกล่องเครื่องมือเกี่ยวกับรุ่นอาม่า . สุดท้ายเรา
ใช้รุ่นแรกข้างต้นเพื่อการพยากรณ์ความต้องการน้ำทั้งหมด โดยวัดจากพันล้านลูกบาศก์เมตรจากปี
2012 2016 และผลลัพธ์ที่แสดงในตารางที่ 5