When comparing the forecasting accu

When comparing the forecasting accuracy of the different techniques for different time horizons, autoregressive integrated moving average models outperform self-exciting threshold autoregressions and artificial neural network models, especially for shorter horizons. These results suggest that the there is a trade-off between the degree of pre-processing and the accuracy of the forecasts obtained with neural networks, which are more suitable in the presence of nonlinearity in the data. In spite of the significant differences between countries, which can be explained by different patterns of consumer behaviour, we also find that forecasts of tourist arrivals are more accurate than forecasts of overnight stays

ผลลัพธ์ (ไทย) 1:

เมื่อเปรียบเทียบความถูกต้องการคาดการณ์ของเทคนิคแตกต่างสำหรับระยะเวลาที่แตกต่างกัน autoregressive รวมค่าเฉลี่ยเคลื่อนที่รุ่นที่ดีกว่าตนเองตื่นเต้นเกณฑ์ autoregressions และแบบจำลองโครงข่ายประสาทเทียม โดยเฉพาะอย่างยิ่งสำหรับฟ้าสั้น ผลลัพธ์เหล่านี้แนะนำว่า มีปิดระหว่างปริญญาก่อนการประมวลผลและความถูกต้องของการคาดการณ์ที่ได้รับจากเครือข่ายประสาท ซึ่งเหมาะมากใน nonlinearity ในข้อมูล ทั้ง ๆ ที่ มีความแตกต่างที่สำคัญระหว่างประเทศ ซึ่งสามารถอธิบายได้ โดยรูปแบบของพฤติกรรมผู้บริโภค เรายังพบว่า การคาดการณ์ของนักท่องเที่ยวแม่นยำกว่าการคาดการณ์ของคาเฟ่

ผลลัพธ์ (ไทย) 2:

เมื่อเปรียบเทียบความถูกต้องคาดการณ์ในเทคนิคที่แตกต่างกันสำหรับกรอบเวลาที่แตกต่างกันแบบบูรณาการย้ายอัตรุ่นเฉลี่ยดีกว่าตัวเองที่น่าตื่นเต้น autoregressions เกณฑ์และประดิษฐ์รุ่นโครงข่ายประสาทเทียมโดยเฉพาะอย่างยิ่งสำหรับอันไกลโพ้นที่สั้นกว่า ผลการศึกษานี้ชี้ให้เห็นว่ามีการค้าระหว่างระดับของก่อนการประมวลผลและความถูกต้องของการคาดการณ์ที่ได้รับกับเครือข่ายประสาทซึ่งมีความเหมาะสมมากขึ้นในการปรากฏตัวของการไม่เป็นเชิงเส้นในข้อมูลที่ ทั้งๆที่มีความแตกต่างอย่างมีนัยสำคัญระหว่างประเทศซึ่งสามารถอธิบายได้ด้วยรูปแบบที่แตกต่างจากพฤติกรรมของผู้บริโภคนอกจากนี้เรายังพบว่าการคาดการณ์ของนักท่องเที่ยวมีความถูกต้องมากขึ้นกว่าการคาดการณ์ของการเข้าพักค้างคืน

ผลลัพธ์ (ไทย) 3:

เมื่อเปรียบเทียบการพยากรณ์ความแม่นยำของเทคนิคต่าง ๆ ในขอบเขตเวลาที่ต่างกัน วิธีเฉลี่ยเคลื่อนที่แบบบูรณาการด้วยตนเอง autoregressions ดีกว่าเกณฑ์ที่น่าตื่นเต้นและแบบจำลองโครงข่ายประสาทเทียม โดยเฉพาะขอบเขตที่สั้นลง ผลลัพธ์เหล่านี้แสดงให้เห็นว่ามีการแลกเปลี่ยนระหว่างระดับของการประมวลผลและความถูกต้องของการคาดการณ์ที่ได้รับกับโครงข่ายประสาทเทียม ซึ่งมีความเหมาะสมมากกว่าในการปรากฏตัวของค่าในข้อมูล ทั้งๆที่มีความแตกต่าง ระหว่าง ประเทศ ซึ่งสามารถอธิบายได้ด้วยรูปแบบที่แตกต่างกันของผู้บริโภค เรายังพบว่า ยอดนักท่องเที่ยวมีความถูกต้องมากกว่าการคาดการณ์ค้างคืน