Different forecasting models can complement each other in capturing pa การแปล - Different forecasting models can complement each other in capturing pa ไทย วิธีการพูด

Different forecasting models can co

Different forecasting models can complement each other in capturing patterns of data sets, and both theatrical and empirical studies have concluded that a combination of forecast outperforms individual forecasting models [14–16]. Since the early work of Bates and Granger [17], several architectures of combined forecasts have been explored. Clemen [18] had a comprehensive bibliography review in this area. Menezes et al. [19] offered good guidelines for combined forecasting. They concluded that the problem of combined forecasts is implementing multi-criteria process and judging the attributes of an error specification. Lam et al. [20] proposed a goal programming model to obtain optimal weights for combining forecasting models. Terui and Dijk [21] presented a linear and nonlinear time series model for forecasting the US monthly employment rate and production indices. Their results demonstrated that the combined forecasts outperformed the individual forecasts. Fang [22] used quarterly UK consumption expenditure data to show the superiority of the combined forecasting model. Zhang [23] combined the ARIMA and feedforward neural networks models in fore
casting. This study presents a hybrid model of ARIMA and SVMs to slove the stock price forecasting problem.
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
แบบจำลองการคาดการณ์ต่าง ๆ สามารถส่งเสริมกันในการจับรูปแบบของชุดข้อมูล และการศึกษาทั้งละคร และเชิงประจักษ์ได้ข้อสรุปว่า การรวมกันของการพยากรณ์อากาศมีประสิทธิภาพสูงกว่าการคาดการณ์แต่ละรุ่น [14-16] ตั้งแต่ในช่วงต้นงานเบตส์และเกรนเจอร์ [17], สถาปัตยกรรมหลายการคาดการณ์รวมได้รับการสำรวจ Clemen [18] มีบรรณานุกรมสำหรับครอบคลุมในพื้นที่นี้ Menezes et al. [19] เสนอแนวทางที่ดีสำหรับการคาดการณ์รวม พวกเขาสรุปว่า ปัญหาของการคาดการณ์รวมเป็นการใช้กระบวนการหลายเกณฑ์ และตัดสินคุณลักษณะของข้อผิดพลาด specification ลำ et al. [20] นำเสนอเป้าหมายการเขียนโปรแกรมรุ่นรับน้ำหนักที่ดีที่สุดสำหรับการรวมแบบจำลองการคาดการณ์ นำเสนอกลุ่มแบบลำดับเวลาเชิงเส้น และไม่เชิงเส้นสำหรับการคาดการณ์สหรัฐฯ รายเดือนจ้างอัตราและผลิตดัชนี Terui และ Dijk [21] ผลแสดงให้เห็นว่า การคาดการณ์รวมกรรมการคาดการณ์แต่ละ ฟาง [22] ใช้ข้อมูลรายจ่ายการบริโภค UK ทุกไตรมาสเพื่อแสดงความเหนือกว่าของแบบจำลองการคาดการณ์รวม จาง [23] รวมอาริมะ และเสียงของระบบเครือข่ายรุ่นในข้างหน้าหล่อ การศึกษานี้นำเสนอแบบไฮบริดสลีของอาริมะและ SVMs เพื่อแก้ปัญหาการคาดการณ์ราคาหุ้น
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
รูปแบบการพยากรณ์ที่แตกต่างกันสามารถเติมเต็มซึ่งกันและกันในการจับรูปแบบของชุดข้อมูลและการศึกษาทั้งการแสดงละครและเชิงประจักษ์ได้ข้อสรุปว่าการรวมกันของการคาดการณ์มีประสิทธิภาพดีกว่ารูปแบบการพยากรณ์แต่ละ [14-16] ตั้งแต่งานแรกของเบตส์และเกรนเจอร์ [17] หลายสถาปัตยกรรมของการคาดการณ์รวมได้รับการสำรวจ Clemen [18] มีการทบทวนบรรณานุกรมที่ครอบคลุมในพื้นที่นี้ Menezes et al, [19] ที่นำเสนอแนวทางที่ดีสำหรับการคาดการณ์รวม พวกเขาสรุปว่าปัญหาของการคาดการณ์รวมกันคือการใช้กระบวนการหลายเกณฑ์การตัดสินและคุณสมบัติของข้อผิดพลาด speci ไอออนบวก Fi จะ ลำ et al, [20] ที่นำเสนอรูปแบบการเขียนโปรแกรมเป้าหมายที่จะได้รับน้ำหนักที่เหมาะสมที่สุดสำหรับการรวมรูปแบบการพยากรณ์ Terui และ Dijk [21] นำเสนอรูปแบบอนุกรมเวลาเชิงเส้นและไม่เชิงเส้นสำหรับการคาดการณ์ของสหรัฐรายเดือนอัตราการจ้างงานและการผลิตดัชนี ผลของพวกเขาแสดงให้เห็นว่าการคาดการณ์รวมกันดีกว่าการคาดการณ์ของแต่ละบุคคล ฝาง [22] ใช้สหราชอาณาจักรไตรมาสข้อมูลค่าใช้จ่ายในการบริโภคเพื่อแสดงความเหนือกว่าของแบบจำลองการคาดการณ์รวม วอชิงตันโพสต์ [23] รวม ARIMA และ feedforward ประสาทแบบจำลองเครือข่ายในหน้า
หล่อ การศึกษาครั้งนี้ได้นำเสนอรูปแบบไฮบริดของ ARIMA และ SVMs เพื่อ slove ปัญหาการคาดการณ์ราคาหุ้น
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
แบบจำลองการพยากรณ์ที่แตกต่างกันสามารถเติมเต็มซึ่งกันและกันในการจับรูปแบบของชุดข้อมูล และทั้งการแสดงและการศึกษาเชิงประจักษ์ได้สรุปว่า การรวมกันของแต่ละตัวแบบพยากรณ์มีประสิทธิภาพดีกว่า [ 14 – 16 ] เพราะงานแรกของ Bates และ Granger [ 17 ] , หลายรูปแบบของการคาดการณ์รวมมีการสํารวจ คลีเมน [ 18 ] มีการทบทวนบรรณานุกรมที่ครอบคลุมในพื้นที่นี้ menezes et al . [ 19 ] เสนอแนวทางที่ดีสำหรับพยากรณ์รวม พวกเขาได้ข้อสรุปว่าปัญหาพยากรณ์รวม มีการใช้เกณฑ์การตัดสินหลายกระบวนการและคุณลักษณะของข้อผิดพลาด speci จึงไอออนบวก ลำ et al . [ 20 ] เสนอเป้าหมายการเขียนโปรแกรมแบบรับน้ำหนักที่เหมาะสมสำหรับการรวมแบบพยากรณ์ . terui Dijk [ 21 ] และเสนอระบบสมการเชิงเส้นและไม่เชิงเส้นแบบอนุกรมเวลาในการพยากรณ์อัตราการจ้างงานและการผลิตเรารายเดือนดัชนี ผลของพวกเขาแสดงให้เห็นว่าพยากรณ์รวมสูงกว่าการคาดการณ์ของแต่ละบุคคล ฟาง [ 22 ] ใช้รายจ่ายการบริโภค UK ข้อมูลรายไตรมาสเพื่อแสดงความเหนือกว่าของแบบจำลองพยากรณ์รวม จาง [ 23 ] รวมกันพยากรณ์ไปข้างหน้าและโครงข่ายประสาทเทียมแบบในหน้าหล่อ การศึกษานี้ได้นำเสนอแบบจำลอง ARIMA แบบไฮบริดและแก้ไขราคาหุ้นการพยากรณ์ปัญหา
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: