The model is formulated based on th

The model is formulated based on the Gaussian maximum likelihood method. The two key random variables considered in the model are flows and flow increments. By assuming that these two random variables are normally distributed, we generate an estimate by maximizing the likelihood of the flow level at the next time interval, expressed as a product of the two probability density functions. The model departs from other existing models in that the parameters of the model are obtained based little 011 data fitting. The model, therefore, is very robust in terms of calibration of its parameters.

ผลลัพธ์ (ไทย) 1:

แบบเป็นสูตรตามวิธีความเป็นไปได้สูงสุด Gaussian สองคีย์สุ่มตัวแปรที่พิจารณาในรูปแบบมีขั้นตอนและกระแสเพิ่มขึ้น โดยสมมติว่ากระจายตัวแปรสุ่มทั้งสองนี้โดยปกติ เราสร้างการประเมิน โดยการเพิ่มของระดับกระแสที่ช่วงเวลาถัดไป แสดงเป็นผลิตภัณฑ์ของฟังก์ชันความหนาแน่นของความน่าเป็นสอง แบบออกจากรุ่นอื่น ๆ ที่มีอยู่ในที่พารามิเตอร์ของแบบจำลองจะได้รับตามน้อย 011 ข้อมูลเหมาะสม รุ่น ดังนั้น ได้แข็งแกร่งมากในแง่ของการปรับเทียบของพารามิเตอร์

ผลลัพธ์ (ไทย) 2:

รูปแบบเป็นสูตรที่อยู่บนพื้นฐานของความเป็นไปได้สูงสุด Gaussian วิธี สองตัวแปรสุ่มที่สำคัญการพิจารณาในรูปแบบที่มีกระแสและเพิ่มทีละไหล โดยสมมติว่าทั้งสองตัวแปรสุ่มที่มีการกระจายตามปกติเราสร้างประมาณการโดยการเพิ่มโอกาสของระดับการไหลในช่วงเวลาถัดไปแสดงความเป็นผลิตภัณฑ์ของทั้งสองฟังก์ชั่นความหนาแน่นของความน่าจะเป็น รูปแบบการออกจากรูปแบบอื่นที่มีอยู่ในการที่พารามิเตอร์ของแบบจำลองจะได้รับขึ้นอยู่เล็ก ๆ น้อย ๆ 011 ข้อมูลที่เหมาะสม รูปแบบจึงเป็นที่แข็งแกร่งมากในแง่ของการสอบเทียบของพารามิเตอร์

ผลลัพธ์ (ไทย) 3:

รูปแบบยุทธศาสตร์บนพื้นฐานความเป็นไปได้สูงสุด ) วิธี หลักสองตัวแปรสุ่ม การพิจารณาในรูปแบบการไหลและเพิ่มการไหล โดยสมมติว่าทั้งสองตัวแปรสุ่มมีการแจกแจงปกติ เราสร้างการประเมินโดยการเพิ่มโอกาสของการไหลระดับในช่วงเวลาถัดไป แสดงเป็นผลิตภัณฑ์ของทั้งสองฟังก์ชันความหนาแน่นของความน่าจะเป็น .รูปแบบออกจากที่มีอยู่อื่น ๆรุ่นที่พารามิเตอร์ของแบบจำลองได้ใช้ข้อมูลเล็ก ๆน้อย ๆในที่เหมาะสม แบบจำลองที่แข็งแกร่งมากในแง่ของค่าพารามิเตอร์