Hong [14] suggested the utilization

Hong [14] suggested the utilization of a support vector model (SVM) as an alternative to an ANN
for forecasting electric consumption. According to the empirical study, the performance of SVM was
superior to other methods, regression and ANN models. Ekonomou [15] compared the ability to
predict the Greek-long term energy consumption of these three methods: ANN, regression and SVM.
The results indicated that both ANN and SVM were able to forecast the consumption with great
accuracy. Pappas, Ekonomou, Karamousantas, Chatzarakis, Katsikas and Liatsis [16] introduced the
utilization of traditional methodology, i.e., an ARIMA model, to predict the electricity demand.
Different ARIMA models were selected and the criteria (Akaike Information Criterion: AIC and
Bayesian Information Criterion: BIC) were utilized to justify the most appropriate one.

ผลลัพธ์ (ไทย) 1:

ฮ่องกง [14] แนะนำการใช้รูปแบบเวกเตอร์สนับสนุน (SVM) เป็นทางเลือกแอนสำหรับการคาดการณ์ปริมาณการใช้ไฟฟ้า การศึกษาเชิงประจักษ์ ประสิทธิภาพของ SVM ถูกดีกว่าวิธีอื่น ๆ การถดถอย และรุ่นแอน Ekonomou [15] เปรียบเทียบความสามารถในการทำนายการใช้พลังงานระยะยาวกรีกของวิธีการทั้งสาม: แอน ถดถอย และ SVMผลระบุว่า แอนและ SVM ได้มีการคาดการณ์ปริมาณการใช้ด้วยความถูกต้อง Pappas, Ekonomou, Karamousantas, Chatzarakis, Katsikas และ Liatsis [16] แนะนำการการใช้ประโยชน์จากวิธีการแบบดั้งเดิม เช่น ARIMA แบบ การคาดการณ์ความต้องการไฟฟ้าเลือกแบบ ARIMA ที่แตกต่าง และเกณฑ์ (เกณฑ์ข้อมูล Akaike: พรต และทฤษฎีข้อมูลเกณฑ์: BIC) ใช้การจัดเหมาะสมมากที่สุด

ผลลัพธ์ (ไทย) 2:

ฮ่องกง [14] แนะนำการใช้ประโยชน์จากรูปแบบเวกเตอร์สนับสนุน (SVM) เป็นทางเลือกไปยัง ANN นั้น
สำหรับการคาดการณ์ปริมาณการใช้ไฟฟ้า จากการศึกษาเชิงประจักษ์ประสิทธิภาพการทำงานของ SVM ได้
ดีกว่าวิธีการอื่น ๆ และรูปแบบการถดถอย ANN Ekonomou [15] เมื่อเทียบกับความสามารถในการ
คาดการณ์ความต้องการใช้พลังงานในระยะยาวกรีกของทั้งสามวิธี:. แอนถดถอยและ SVM
ผลการวิจัยพบว่าทั้งสอง ANN และ SVM ก็สามารถที่จะคาดการณ์การบริโภคที่ดีที่มี
ความถูกต้อง Pappas, Ekonomou, Karamousantas, Chatzarakis, Katsikas และ Liatsis [16] แนะนำ
การใช้วิธีการแบบดั้งเดิมคือรูปแบบ ARIMA การทำนายความต้องการใช้ไฟฟ้าได้.
จำลอง ARIMA ที่แตกต่างกันได้รับการคัดเลือกและเกณฑ์ (Akaike ข้อมูลบรรทัดฐาน: AIC และ
ข้อมูลแบบเบย์ เกณฑ์: BIC) ถูกนำมาใช้เพื่อแสดงให้เห็นหนึ่งที่เหมาะสมที่สุด

ผลลัพธ์ (ไทย) 3:

ฮ่องกง [ 14 ] แนะนำการใช้สนับสนุนเวกเตอร์รูปแบบ ( SVM ) เป็นทางเลือกให้แอนสำหรับการพยากรณ์การใช้ไฟฟ้า จากการศึกษาประสิทธิภาพของ SVM เป็นเชิงประจักษ์กว่าวิธีอื่น การถดถอย และ แอน ekonomou [ 15 ] เปรียบเทียบ ความสามารถในการพยากรณ์กรีกระยะยาวพลังงานของวิธีการเหล่านี้สาม : แอน การถดถอยและ SVM .ผลการวิจัยพบว่า แอน และทั้ง SVM สามารถพยากรณ์การใช้เป็นอย่างยิ่งความถูกต้อง Pappas , ekonomou karamousantas chatzarakis Katsik á s , , , และ liatsis [ 16 ] าการใช้วิธีการแบบดั้งเดิม เช่น แบบจำลอง ARIMA เพื่อพยากรณ์ความต้องการใช้ไฟฟ้า .แบบที่แตกต่างกันเมื่อถูกเลือกและเกณฑ์เคราะห์ข้อมูล ( เกณฑ์ : AIC และข้อมูลงาน : BIC ) เกณฑ์ที่ใช้ปรับให้เหมาะสมที่สุด