contrary to what Perretti et al. (2

contrary to what Perretti et al. (2013b,c) and Hartig and Dormann
(2013) did, predictive time series were not launched from the true
population sizes X(t), but from a maximum-likelihood estimator of
the current population size. This choice ensures a more realistic
setting where only past observed population sizes N(t) are known.
Also note that it would have been possible to use as starting values for
the validation time series the sampled MCMC values for the true
population sizes X(t), but it would have implied to repeat the
parametric fitting for each starting value of the validation time series,
which would have been here prohibitively costly computationally.
Overall forecasting efficiency was summarized in the statistics
AreaSRMSE defined as the overall improvement of the forecast compared
to a forecast equal to the average population size (having a
SRMSE equal to 1). AreaSRMSE was computed as: AreaSRMSE ¼ Σ 8
i ¼ 1 maxð1SRMSEðiÞ; 0Þ where SRMSE(i) is the SRMSE of a forecast
i time steps in the future. Negative values for 1SRMSE(i) were not
considered in this formula to focus on the short-term forecast
efficiency of the parametric and nonparametric methods, since both
will fail for long-term predictions in chaotic systems (Perretti et al.,
2013b).

ผลลัพธ์ (ไทย) 1:

ขัดกับสิ่ง Perretti et al. (2013b, c) และ Hartig และ Dormann(2013) ไม่ได้ ไม่ได้เปิดใช้เวลางานชุดได้จากความจริงประชากรขนาด X(t) แต่ จากการประมาณความเป็นไปได้สูงสุดของขนาดประชากรปัจจุบัน ตัวเลือกนี้ที่เราช่วยให้สมจริงมากขึ้นการที่อดีตประชากรสังเกตขนาด N(t) เป็นที่รู้จักกันเท่านั้นโปรดสังเกตว่า มันจะได้สามารถใช้เป็นค่าเริ่มต้นชุดตรวจสอบเวลาค่า MCMC ของตัวอย่างแท้จริงประชากรขนาด X(t) แต่จะมีนัยการทำซ้ำเหมาะสมสำหรับแต่ละค่าเริ่มต้นของการตรวจสอบเวลา พาราเมตริกซึ่งจะมีค่าใช้จ่าย prohibitively computationallyโดยรวม คาดการณ์ประสิทธิภาพถูกสรุปในสถิติAreaSRMSE ที่กำหนดเป็นการพัฒนาโดยรวมของการคาดการณ์การเปรียบเทียบการคาดการณ์ที่เท่ากับขนาดประชากรเฉลี่ย (มีการSRMSE เท่ากับ 1) นั้น AreaSRMSE ถูกคำนวณเป็น: AreaSRMSE ¼Σ 8ผม¼ 1 maxð1 SRMSEðiÞ 0Þ SRMSE ของการคาดการณ์ SRMSE(i)ในอนาคตฉันเวลาขั้นตอน ไม่มีค่า 1 SRMSE(i)พิจารณาในสูตรนี้เน้นการคาดการณ์ระยะสั้นประสิทธิภาพของพาราเมตริก และ nonparametric วิธี ตั้งแต่ทั้งสองจะล้มเหลวสำหรับการคาดการณ์ระยะยาวในระบบวุ่นวาย (Perretti et al.,2013b)

ผลลัพธ์ (ไทย) 2:

ตรงกันข้ามกับสิ่งที่ Perretti et al, (2013b ค) และ Hartig และ Dormann
(2013)
ได้อนุกรมเวลาคาดการณ์ไม่ได้จากการเปิดตัวจริงขนาดประชากรX (t)
แต่จากประมาณการโอกาสสูงสุดของขนาดประชากรในปัจจุบัน ทางเลือกซึ่งจะทำให้สมจริงมากขึ้นการตั้งค่าที่มีเพียงที่ผ่านมาสังเกตขนาดประชากร N (t) เป็นที่รู้จักกัน. นอกจากนี้ยังทราบว่ามันจะเป็นไปได้ที่จะใช้เป็นที่เริ่มต้นค่าอนุกรมเวลาการตรวจสอบค่า MCMC ตัวอย่างสำหรับจริงขนาดประชากรX (t ) แต่มันจะมีนัยที่จะทำซ้ำเหมาะสมพารามิเตอร์สำหรับแต่ละค่าเริ่มต้นของซีรีส์เวลาการตรวจสอบที่ซึ่งจะได้รับที่นี่คอมพิวเตอร์ค่าใช้จ่ายสาหัส. ประสิทธิภาพการคาดการณ์โดยรวมได้รับการสรุปสถิติAreaSRMSE หมายถึงการปรับปรุงโดยรวมของการคาดการณ์เมื่อเทียบกับการการคาดการณ์เท่ากับขนาดประชากรเฉลี่ย (มีSRMSE เท่ากับ 1) AreaSRMSE คำนวณดังนี้ AreaSRMSE ¼Σ 8 ฉัน¼ 1 maxð1SRMSEðiÞ? 0TH ที่ SRMSE (i) เป็น SRMSE ของการคาดการณ์ขั้นตอนครั้งที่ผมในอนาคต ค่าลบสำหรับ 1 SRMSE (i) ไม่ได้รับการพิจารณาในสูตรนี้จะมุ่งเน้นไปที่การคาดการณ์ระยะสั้นประสิทธิภาพของวิธีการคณิตศาสตร์และไม่อิงพารามิเตอร์เนื่องจากทั้งสองจะล้มเหลวสำหรับการคาดการณ์ในระยะยาวระบบวุ่นวาย(Perretti et al., 2013b )

ผลลัพธ์ (ไทย) 3:

ขัดกับสิ่งที่ perretti et al . ( 2013b , C ) และ dormann Hartig
( 2013 ) ได้พยากรณ์อนุกรมเวลาที่ไม่ได้เปิดจากขนาดประชากรจริง
x ( t ) แต่จากการประมาณการของความเป็นไปได้สูงสุด
ปัจจุบันประชากรขนาด เลือกตัวเลือกนี้เพื่อตั้งค่าที่สมจริงมากขึ้น
ที่ผ่านมาสังเกตขนาดประชากร N ( t )
เป็นที่รู้จักกันนอกจากนี้ยังทราบว่ามันเป็นไปได้ที่จะใช้เป็นค่าเริ่มต้นสำหรับการตรวจสอบเวลา
ชุดตัวอย่าง MCMC ค่าขนาดประชากรจริง
x ( t ) , แต่มันก็เป็นนัยที่จะทำซ้ำ
พอดีสำหรับแต่ละค่าเริ่มต้นของพารามิเตอร์การตรวจสอบอนุกรมเวลา
ซึ่งจะได้รับที่นี่ prohibitively ค่าใช้จ่าย computationally .
ประสิทธิภาพการพยากรณ์โดยรวม สรุปสถิติ
areasrmse หมายถึง การปรับปรุงโดยรวมของการพยากรณ์เทียบ
เพื่อพยากรณ์เท่ากับจำนวนประชากรเฉลี่ยขนาด ( มี
srmse เท่ากับ 1 ) areasrmse ถูกคำนวณเป็น : areasrmse ¼Σ 8
ฉัน¼ 1 แม็กซ์ð 1  srmse ðผมÞ ; 0 Þที่ srmse ( ฉัน ) เป็น srmse ของการคาดการณ์
ฉันเวลา ขั้นตอนในอนาคต ค่าเป็นลบสำหรับ 1  srmse ( ผม ) ไม่ได้
พิจารณาในสูตรนี้เน้นระยะสั้นคาด
ประสิทธิภาพของพารามิเตอร์และวิธีนอนพาราเมตริก เนื่องจากทั้งคู่
จะล้มเหลวระยะยาวการคาดการณ์ในระบบวุ่นวาย ( perretti et al . ,
2013b )