Ediger and Akar [4] utilized both t

Ediger and Akar [4] utilized both the ARIMA and seasonal ARIMA (SARIMA) models to estimate
the future primary energy demand of Turkey from 2005 to 2020. The ARIMA method was also
deployed by Abdel-Aal and Al-Garni [5] to forecast monthly domestic electric energy consumption in
the eastern province of Saudi Arabia and the optimum model in this case was the first ordered ARIMA
with a multiplicative combination of seasonal and non-seasonal autoregressive parts. Zhou, Ang and
Poh [6] improved the accuracy of electricity demand predictions by combining the traditional grey
model GM (1,1) with the trigonometric residual modification technique. Additionally, Cho, Hwang
and Chen [7] compared the results of the univariate ARIMA and the traditional regression models to
forecast the short-term load by considering weather-load relationships.

ผลลัพธ์ (ไทย) 1:

Ediger และ Akar [4] ใช้ทั้งอาและฤดูกาลอา (สมถวิล) รูปแบบการประเมินพลังงานหลักในอนาคตความต้องการของตุรกีตั้งแต่ปี 2548 ถึง 2020 วิธีอายังเป็นปรับ Abdel Aal และอัลการ์ [5] เพื่อคาดการณ์ปริมาณการใช้พลังงานไฟฟ้าในประเทศรายเดือนในจังหวัดภาคตะวันออกของประเทศซาอุดิอาระเบียและรุ่นสูงสุดในกรณีนี้มีอาสั่งครั้งแรกมีส่วนผสมเชิงการคูณส่วน autoregressive ตามฤดูกาล และไม่มีฤดูกาล โจว อ่างทอง และพ่อ [6] ปรับปรุงความถูกต้องของการคาดคะเนความต้องการไฟฟ้า โดยรวมสีเทาแบบดั้งเดิมรุ่น GM (1.1) ด้วยเทคนิคตรีโกณมิติเป็นการแก้ไขส่วนที่เหลือ นอกจากนี้ ช่อ Hwangและเฉิน [7] การเปรียบเทียบผลของอาอย่างไร univariate และแบบจำลองถดถอยแบบดั้งเดิมไปการคาดการณ์การใช้งานระยะสั้น โดยพิจารณาความสัมพันธ์ของปริมาณอากาศ

ผลลัพธ์ (ไทย) 2:

เอดิเกอร์และ Akar [4] ใช้ทั้ง ARIMA และตามฤดูกาล ARIMA (SARIMA)
รุ่นที่จะประเมินความต้องการพลังงานหลักในอนาคตของตุรกีจากปี2005 ถึงปี 2020 วิธี ARIMA
ยังถูกนำไปใช้โดยAbdel-Aal และอัลการ์ [5] ที่จะคาดการณ์
รายเดือนการใช้พลังงานไฟฟ้าในประเทศในจังหวัดทางทิศตะวันออกของซาอุดีอาระเบียและรูปแบบที่เหมาะสมในกรณีนี้เป็นครั้งแรกที่ได้รับคำสั่งARIMA
ด้วยการรวมกันของชิ้นส่วนการคูณอัตตามฤดูกาลและไม่ตามฤดูกาล โจวอ่างทองและ
Poh [6]
การปรับปรุงความถูกต้องของการคาดการณ์ความต้องการใช้ไฟฟ้าโดยการรวมสีเทาแบบดั้งเดิมรูปแบบจีเอ็ม(1,1) ด้วยเทคนิคการปรับเปลี่ยนที่เหลือตรีโกณมิติ นอกจากนี้โชฮวงและเฉิน [7] เมื่อเทียบกับผลของการ ARIMA univariate และรูปแบบการถดถอยแบบดั้งเดิมที่จะคาดการณ์ภาระในระยะสั้นด้วยการพิจารณาความสัมพันธ์ของสภาพอากาศที่โหลด

ผลลัพธ์ (ไทย) 3:

และ เ ิเกอร์ akar [ 4 ] ใช้ทั้งตามฤดูกาลและพยากรณ์ ARIMA ( sarima ) แบบประเมิน
อนาคตหลักความต้องการพลังงานของตุรกี จากปี 2548 ถึงปี 2563 วิธีพยากรณ์ยัง
ใช้เดล aal และอัล การ์นิ [ 5 ] การคาดการณ์รายเดือนในการใช้พลังงานไฟฟ้าใน
มณฑลตะวันออกของซาอุดีอาระเบียและแบบจำลองที่เหมาะสมในกรณีนี้เป็นครั้งแรกที่สั่ง
ARIMAด้วยการรวมกันการคูณของฤดูกาลและไม่ส่วนตัวตามฤดูกาล โจว อ่างทองและ
ปู๋ [ 6 ] การปรับปรุงความถูกต้องของการคาดการณ์ความต้องการไฟฟ้าโดยรวมรูปแบบสีเทา
ดั้งเดิมกรัม ( 1 , 1 ) กับค่าเทคนิคการปรับปรุงส่วนที่เหลือ นอกจากนี้ โช และ เฉินหวาง
[ 7 ] เปรียบเทียบผลลัพธ์ของการตลาดและการรักษาแบบดั้งเดิมรูปแบบ

การพยากรณ์โหลดระยะสั้นโดยพิจารณาความสัมพันธ์โหลดสภาพอากาศ