Determination of the fuzzy relation

Determination of the fuzzy relation stage in the fuzzy time series
methods is very important for forecast performance. Aladag et al.
(2012) proposed a first order fuzzy time series method. In this
paper, this method is successfully improved for a high order fuzzy
time series forecasting model. According to the application results,
the proposed method has better forecasting performance than
many other methods in the literature. Because the proposed method
is based on the high order fuzzy time series forecasting model, real
life time series can bewell forecasted. Moreover, the proposedmethod
takes into consideration all membership vales. It should not be
forgotten that the performance of the proposed method can change
for different data sets. It is not easy to say it will outperform other
methods for every data set. As a result of implementation, it can be
seen that the proposed method can produce good forecasts for the
three stock exchange data sets. Although the proposedmethod is improved
to a high order form, the order selection is an important
problem for it. In future studies, order selection for the proposed
method can be achieved by using optimization techniques. If some
new techniques applied in the fuzzification and defuzzification
stages, a better forecasting performance could be obtained from the
proposed method. In the future, proposed method can be easily
modified for better forecasting performance and multivariate fuzzy time series models. Although fuzzy time series methods can produce
good forecasts, the confidence intervals for forecasts cannot be obtained.
It can be said that this is a very big challenge for nonprobabilistic
forecasting methods. Obtaining confidence intervals of
forecasts for the proposed method will be considered in future
studies.

ผลลัพธ์ (ไทย) 1:

กำหนดระยะความสัมพันธ์ชัดเจนในชุดเวลาชัดเจนวิธีเป็นสิ่งสำคัญมากสำหรับประสิทธิภาพการคาดการณ์ Aladag et al(2012) นำเสนอชุดแรกสั่งเอิบเวลาวิธีการ ในที่นี้กระดาษ วิธีการนี้เป็นการปรับปรุงให้สำเร็จสำหรับใบสูงเอิบเวลาชุดโมเดลการคาดการณ์ ตามผลแอพลิเคชันวิธีการนำเสนอมีประสิทธิภาพกว่าที่คาดการณ์ดีกว่าวิธีอื่น ๆ ในวรรณคดี เนื่องจากวิธีการนำเสนอขึ้นอยู่กับชุดเอิบเวลาสั่งสูงคาดการณ์จำลอง แท้จริงชุดเวลาชีวิต bewell คาดการณ์ได้ นอกจากนี้ proposedmethodจะพิจารณา vales สมาชิกทั้งหมด ไม่ควรลืมประสิทธิภาพของวิธีการนำเสนอสามารถเปลี่ยนสำหรับชุดข้อมูลต่าง ๆ ไม่ใช่เรื่องง่ายว่ามันจะมีประสิทธิภาพสูงกว่ากันวิธีการชุดข้อมูลทุก จากการใช้งาน สามารถเห็นว่า วิธีการนำเสนอสามารถผลิตคาดการณ์ที่ดีสำหรับการชุดข้อมูลหลักทรัพย์ 3 แม้ว่า proposedmethod จะเป็นการปรับปรุงฟอร์มสั่งสูง เลือกสั่งเป็นสำคัญปัญหาเรื่อง การศึกษาในอนาคต เพื่อการนำเสนอวิธีสามารถทำได้ โดยใช้เทคนิคการปรับให้เหมาะสม ถ้าบางเทคนิคใหม่ที่ใช้ใน fuzzification defuzzificationขั้นตอน ประสิทธิภาพที่ดีกว่าคาดการณ์ได้รับจากการนำเสนอวิธีการ ในอนาคต วิธีการนำเสนอที่สามารถแก้ไขดีกว่าประสิทธิภาพและ multivariate เอิบเวลาชุดแบบการพยากรณ์ แม้ว่าวิธีชุดเวลาชัดเจนสามารถผลิตคาดการณ์ดี ช่วงความเชื่อมั่นคาดการณ์ไม่ได้สามารถกล่าวว่า นี่คือความท้าทายที่ใหญ่มากสำหรับ nonprobabilisticคาดการณ์วิธี รับช่วงความเชื่อมั่นของการคาดการณ์สำหรับวิธีการนำเสนอจะเป็นในอนาคตการศึกษา

ผลลัพธ์ (ไทย) 2:

การกำหนดขั้นตอนความสัมพันธ์เลือนในเวลาที่ชุดเลือน
วิธีเป็นสิ่งสำคัญมากสำหรับการทำงานที่คาดการณ์ Aladag et al.
(2012) ได้เสนอการสั่งซื้อครั้งแรกวิธีชุดเลือน ในการนี้
กระดาษวิธีนี้จะดีขึ้นประสบความสำเร็จสำหรับการสั่งซื้อสูงเลือน
เวลาพยากรณ์ชุด ตามผลการประยุกต์ใช้
วิธีการที่นำเสนอมีการคาดการณ์ผลการดำเนินงานที่ดีกว่า
วิธีการอื่น ๆ อีกมากมายในวรรณคดี เพราะวิธีที่เสนอ
จะขึ้นอยู่กับการสั่งซื้อสูงเวลาพยากรณ์ชุดเลือนจริง
ชุดเวลาชีวิต Bewell สามารถคาดการณ์ นอกจากนี้ proposedmethod
จะใช้เวลาในการพิจารณาทั้งหมดหุบผาสมาชิก มันไม่ควรจะ
ลืมว่าประสิทธิภาพของวิธีการที่นำเสนอสามารถเปลี่ยน
สำหรับชุดข้อมูลที่แตกต่างกัน มันไม่ง่ายที่จะบอกว่ามันจะดีกว่าคนอื่น ๆ
วิธีการตั้งค่าข้อมูลทุก อันเป็นผลมาจากการดำเนินการที่จะสามารถ
เห็นได้ว่าวิธีการที่นำเสนอสามารถผลิตคาดการณ์ที่ดีสำหรับ
ข้อมูลตลาดหลักทรัพย์สามชุด แม้ว่า proposedmethod มีการปรับปรุง
แบบฟอร์มการสั่งซื้อสูงตัวเลือกเพื่อเป็นสำคัญ
ปัญหาสำหรับมัน ในการศึกษาในอนาคตเพื่อให้ตัวเลือกที่นำเสนอ
วิธีการที่สามารถทำได้โดยใช้เทคนิคการเพิ่มประสิทธิภาพ หากมี
เทคนิคใหม่ ๆ มาใช้ใน fuzzification defuzzification และ
ขั้นตอนการปฏิบัติงานที่ดีกว่าการคาดการณ์อาจจะได้รับจาก
วิธีที่นำเสนอ ในอนาคตวิธีที่นำเสนอได้อย่างง่ายดาย
ปรับเปลี่ยนเพื่อให้ได้ประสิทธิภาพที่ดีขึ้นและการคาดการณ์เวลาหลายตัวแปรเลือนรุ่นซีรีส์ แม้ว่าเวลาวิธีการแบบเลือนสามารถผลิต
คาดการณ์ที่ดีช่วงความเชื่อมั่นสำหรับการคาดการณ์ที่ไม่สามารถหาได้.
อาจกล่าวได้ว่านี่เป็นความท้าทายอย่างยิ่งสำหรับ nonprobabilistic
วิธีการพยากรณ์ ได้รับความเชื่อมั่นของ
การคาดการณ์สำหรับวิธีการที่นำเสนอจะได้รับการพิจารณาในอนาคต
การศึกษา

ผลลัพธ์ (ไทย) 3:

การหาระยะความสัมพันธ์คลุมเครือในวิธีการชุด
เวลาเลือนเป็นสิ่งสำคัญมากสำหรับการทำงานที่คาดการณ์ . aladag et al .
( 2012 ) เสนอเป็นลำดับแรกแบบอนุกรมเวลาโดยวิธี ในกระดาษนี้
วิธีนี้สามารถปรับปรุงสำหรับการสั่งซื้อสูงเลือน
การพยากรณ์อนุกรมเวลาแบบ ตามโปรแกรม ผลลัพธ์ วิธีที่เสนอมีการพยากรณ์ดีกว่า

ผลงานมากกว่าวิธีการอื่น ๆอีกมากมายในวรรณคดี เพราะวิธีที่เสนอ
ขึ้นอยู่กับสินค้าสูงแบบการพยากรณ์อนุกรมเวลาแบบอนุกรมเวลาชีวิตจริง
bewell ได้คาดการณ์ไว้ นอกจากนี้ ผล
ใช้เวลาในการพิจารณา vales สมาชิกทั้งหมด มันไม่ควร
ลืมไปว่าสมรรถนะของวิธีที่เสนอสามารถเปลี่ยน
สำหรับชุดข้อมูลที่แตกต่างกันมันไม่ง่ายที่จะพูดมันจะดีกว่าวิธีอื่น
ทุกชุดข้อมูล ผลของการใช้ก็สามารถ
เห็นวิธีที่เสนอสามารถผลิตการคาดการณ์ที่ดีสำหรับ
ตลาดหลักทรัพย์ข้อมูล 3 ชุด แม้ว่าผลจะดีขึ้น
แบบฟอร์มการสั่งซื้อสูง เลือกสั่งเป็นปัญหาสำคัญ
สำหรับมัน ในการศึกษาในอนาคต การเลือกคำสั่งสำหรับการนำเสนอ
วิธีการนี้สามารถทำได้โดยการใช้เทคนิคการเพิ่มประสิทธิภาพ ถ้าบาง
เทคนิคใหม่ในการประยุกต์ฟัซซีฟิเคชั่นและขั้นตอนการพยากรณ์ประสิทธิภาพดีกว่าดีฟัซซิฟิเคชัน

อาจจะได้รับจากวิธีการที่ได้นำเสนอ ในอนาคต วิธีที่เสนอสามารถได้อย่างง่ายดายแก้ไขดีกว่า
การพยากรณ์ประสิทธิภาพและตัวแปรหลายตัวแบบอนุกรมเวลาแบบ ถึงแม้ว่าวิธีอนุกรมเวลาฟัซซีสามารถผลิต
การคาดการณ์ที่ดี ความเชื่อมั่นสำหรับการคาดการณ์ที่ไม่สามารถหาได้ .
มันอาจกล่าวได้ว่า นี่คือความท้าทายที่ใหญ่มาก สำหรับ nonprobabilistic
วิธีการพยากรณ์ . ได้รับความเชื่อมั่นของ
การคาดการณ์สำหรับวิธีที่เสนอจะได้รับการพิจารณาในการศึกษาในอนาคต