We propose an effective hybrid meth

We propose an effective hybrid method, the CSGM, to forecast electricity consumption in NSW. Based on the inherent characteristics of GM(1,1), a series of suitable concepts, which
include data selection, an abnormality analysis, a feasibility test, and optimized algorithms, were used to improve forecasting accuracy. A case study shows that CSGM performs better than the classic GM(1,1), the GM(1,1) optimized using IA and the ARIMA model. Finally, we analyzed the forecasting errors based on statistical theory, which showed that the ARIMA electricity consumption forecasting model yielded a significant result with a small average error but with a high error at certain time-points; thus, ARIMA is not a suitable consumption forecasting model of electricity consumption in NSW.

ผลลัพธ์ (ไทย) 1:

เราเสนอวิธีการผสมที่มีประสิทธิภาพ CSGM การคาดการณ์ปริมาณการใช้ไฟฟ้าในนิวเซาธ์เวลส์ ลักษณะโดยธรรมชาติของ GM(1,1) ชุดของแนวคิดที่เหมาะสม ที่รวมข้อมูล การวิเคราะห์ความผิดปกติ การทดสอบความเป็นไปได้ และใช้อัลกอริทึมเพิ่มประสิทธิภาพ ปรับปรุงความถูกต้องคาดการณ์ กรณีศึกษาแสดงว่า CSGM ทำดีกว่าคลาสสิ GM(1,1), GM(1,1) เหมาะใช้ IA และรุ่นอา สุดท้าย เราวิเคราะห์ข้อผิดพลาดที่คาดการณ์ตามทฤษฎีทางสถิติ ซึ่งชี้ให้เห็นว่าปริมาณการใช้ไฟฟ้าอาคาดการณ์จำลองผลผลลัพธ์สำคัญ กับข้อผิดพลาดเฉลี่ยที่เล็ก แต่ มีความผิดพลาดสูงจุดบางเวลา- ดังนั้น อาได้ปริมาณเหมาะสมที่คาดการณ์ของปริมาณการใช้ไฟฟ้าในนิวเซาธ์เวลส์

ผลลัพธ์ (ไทย) 2:

เราเสนอวิธีการไฮบริดที่มีประสิทธิภาพ CSGM ที่จะคาดการณ์ปริมาณการใช้ไฟฟ้าในรัฐ NSW ขึ้นอยู่กับลักษณะโดยธรรมชาติของจีเอ็ม (1,1)
ชุดของแนวความคิดที่เหมาะสมซึ่งรวมถึงการเลือกข้อมูลการวิเคราะห์ความผิดปกติ, การทดสอบความเป็นไปได้และขั้นตอนวิธีการที่ดีที่สุดมาใช้ในการปรับปรุงความถูกต้องคาดการณ์ กรณีศึกษาแสดงให้เห็นว่า CSGM ประสิทธิภาพดีกว่าจีเอ็มคลาสสิก (1,1), จีเอ็ม (1,1) เพิ่มประสิทธิภาพการใช้ IA และรูปแบบ ARIMA สุดท้ายเราวิเคราะห์ข้อผิดพลาดคาดการณ์บนพื้นฐานของทฤษฎีทางสถิติซึ่งแสดงให้เห็นว่าปริมาณการใช้ไฟฟ้า ARIMA รูปแบบการพยากรณ์ผลให้ผลอย่างมีนัยสำคัญด้วยข้อผิดพลาดเฉลี่ยมีขนาดเล็ก แต่มีข้อผิดพลาดในระดับสูงที่บางครั้งจุด; จึง ARIMA ไม่ได้เป็นรูปแบบการพยากรณ์ปริมาณการใช้ที่เหมาะสมของการใช้พลังงานไฟฟ้าในรัฐ NSW

ผลลัพธ์ (ไทย) 3:

เราเสนอวิธีการไฮบริดที่มีประสิทธิภาพ csgm เพื่อพยากรณ์การใช้ไฟฟ้าในนิวเซาท์เวลส์ ขึ้นอยู่กับลักษณะของ ( gmt ) ( 1 , 1 ) , ชุดของแนวความคิดที่เหมาะสม
รวมถึงการเลือกข้อมูลความผิดปกติการวิเคราะห์ความเป็นไปได้ในการทดสอบ และขั้นตอนวิธีการเพิ่มประสิทธิภาพการใช้เพื่อปรับปรุงความถูกต้อง การศึกษาแสดงให้เห็นว่า csgm มีประสิทธิภาพดีกว่า GM คลาสสิก ( 1 , 1 ) , ( gmt ) ( 11 ) การเพิ่มประสิทธิภาพการใช้ยาและรูปแบบการตลาด . สุดท้าย เราจะทำการวิเคราะห์พยากรณ์ข้อผิดพลาดบนพื้นฐานของทฤษฎีทางสถิติที่พบว่า เมื่อปริมาณการใช้ไฟฟ้าและผลการพยากรณ์อย่างที่มีขนาดเล็กมีข้อผิดพลาด แต่ด้วยข้อผิดพลาดสูง ณ จุดเวลาที่แน่นอน ดังนั้น เมื่อไม่ได้มีการบริโภคที่เหมาะสมรูปแบบการพยากรณ์การใช้ไฟฟ้าในนิวเซาท์เวลส์