This study used the MAE (mean absol

This study used the MAE (mean absolute error), RMSE (root
mean square error), and MAPE (mean absolute percentage error)
to assess the prediction performance of the conventional SARIMA
model and the proposed hybrid models (refer to equation (12)e
(14)). The smaller the MAE, RMSE, and MAPE of the prediction
model are, the better its prediction accuracy is. In other words, the
prediction model, which the MAE, RMSE, and MAPE are minimized,
can be selected as the optimal one [36,55,60,61].

ผลลัพธ์ (ไทย) 1:

การศึกษานี้ใช้แม่ (หมายถึงแบบข้อผิดพลาด), RMSE (รากค่าเฉลี่ยกำลังสองข้อผิดพลาด), และ MAPE (เปอร์เซ็นต์แน่นอนหมายถึงข้อผิดพลาด)ในการประเมินประสิทธิภาพการคาดเดาของทิพยธรรมดารูปแบบและรุ่นไฮบริดที่นำเสนอ (หมายถึงอีสมการ (12)(14)) ขนาดเล็กแม่ RMSE และ MAPE ของคำทำนายรูปแบบได้ มีความถูกต้องของการคาดเดาที่ดี ในคำอื่น ๆ การแบบจำลองพยากรณ์ ซึ่งแม่ RMSE และ MAPE เป็นย่อสามารถเลือกเป็นสูงสุดหนึ่ง [36,55,60,61]

ผลลัพธ์ (ไทย) 2:

การศึกษาครั้งนี้ใช้แม่ (หมายถึงข้อผิดพลาดที่แน่นอน) RMSE
(รากหมายถึงข้อผิดพลาดตาราง) และ MAPE (หมายถึงข้อผิดพลาดเปอร์เซ็นต์แน่นอน)
ในการประเมินผลการปฏิบัติงานการทำนายของ SARIMA
ธรรมดารุ่นและรุ่นไฮบริดที่นำเสนอ(หมายถึงสมการ (12) อี
(14)) ที่มีขนาดเล็กแม่ที่ RMSE และ MAPE
ของการทำนายรูปแบบที่ดีกว่าการคาดการณ์ความถูกต้องของมันคือ ในคำอื่น ๆ
ที่มีรูปแบบการทำนายซึ่งแม่ที่RMSE และ MAPE จะลดลง,
สามารถเลือกให้เป็นหนึ่งในที่ดีที่สุด [36,55,60,61]

ผลลัพธ์ (ไทย) 3:

การศึกษานี้ใช้แม่ ( หมายถึงความผิดพลาดสัมบูรณ์ ) RMSE ( Root
ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ) และ MAPE ( ค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อน )
เพื่อประเมินประสิทธิภาพของรูปแบบการทำนาย sarima
แบบปกติ และแบบผสมรุ่น ( อ้างอิงจากสมการ ( 12 ) e
( 14 ) ขนาดแม่ , RMSE , และค่าการทำนาย
แบบ ดีกว่าความถูกต้องของการทำนาย . ในคำอื่น ๆ ,
ทำนายแบบซึ่งแม่ RMSE , MAPE , และจะลด
สามารถเลือกเป็นหนึ่งที่ดีที่สุด [ 36,55,60,61 ]