State space modelsExponential smoot

State space models

Exponential smoothing methods have been used with success to generate easily reliable forecasts for a wide range of time series since the 1950s [18]. In these methods forecasts are calculated using weighted averages where the weights decrease exponentially as observations come from further in the past – the smallest weights are associated with the oldest observations.

The most common representation of these methods is the component form. Component form representations of exponential smoothing methods comprise a forecast equation and a smoothing equation for each of the components included in the method. The components that may be included are the level component, the trend component and the seasonal component. By considering all the combinations of the trend and seasonal components 15 exponential smoothing methods are possible. Each method is usually labeled by a pair of letters (T, S) defining the type of “Trend” and “Seasonal” components. The possibilities for each component are Trend={N,A,Ad,M,Md} and Seasonal={N, A, M}. For example (N, N) denotes the simple exponential smoothing method, (A, N) denotes Holt's linear method, (Ad,N) denotes the additive damped trend method, (A, A) denotes the additive Holt–Winters’ method and (A, M) denotes the multiplicative Holt–Winters’ method, to mention the most popular ones.

ผลลัพธ์ (ไทย) 1:

แบบจำลองพื้นที่รัฐใช้ถูกวิธีเนนผืนดีเพื่อสร้างการคาดการณ์เชื่อถือได้อย่างง่ายดายในหลากหลายชุดเวลาตั้งแต่ [18] น้ำหนักน้อยที่สุดไม่เกี่ยวข้องกับการสังเกตที่เก่าแก่ที่สุดในวิธีการเหล่านี้มีคำนวณการคาดการณ์ใช้ถ่วงน้ำหนักหาค่าเฉลี่ยที่น้ำหนักลดลงสร้างเป็นข้อสังเกตุมาจากดาวในอดีต-แบบฟอร์มคอมโพเนนต์แสดงทั่วไปของวิธีการเหล่านี้ได้ แทนแบบฟอร์มคอมโพเนนต์วิธีเนนผืนประกอบด้วยสมการผืนและสมการการคาดการณ์สำหรับแต่ละคอมโพเนนต์ที่รวมอยู่ในวิธีการ ส่วนประกอบที่อาจรวมอยู่ระดับส่วนประกอบ ส่วนประกอบของแนวโน้ม และส่วนประกอบตามฤดูกาล โดยพิจารณารวมทั้งหมดของแนวโน้มและฤดูกาลประกอบ 15 เนนผืนวิธีเป็นไปได้ มักจะมีการติดป้ายแต่ละวิธี โดยคู่ของตัวอักษร (T, S) การกำหนดชนิดของคอมโพเนนต์ "แนวโน้ม" และ "Seasonal" แต่ละส่วนมีแนวโน้ม = { N, A, M, Md โฆษณา} และ Seasonal = {N, A, M } ตัวอย่าง (N, N) หมายถึงง่ายเนนราบเรียบวิธี, (A, N) หมายถึงวิธีการเชิงเส้นของ Holt, (Ad, N) หมายถึงวิธีการแนวโน้มทำให้ชื้นสามารถ, (A, A) หมายถึงวิธีการสามารถโฮลต์ – หนาว และ (A, M) หมายถึงวิธีการเชิงการคูณโฮลต์ – หนาว พูดถึงสุด

ผลลัพธ์ (ไทย) 2:

พื้นที่ของรัฐรูปแบบวิธีการปรับให้เรียบเอกได้รับการใช้กับความสำเร็จในการสร้างการคาดการณ์ที่น่าเชื่อถือได้อย่างง่ายดายสำหรับความหลากหลายของอนุกรมเวลาตั้งแต่ปี 1950 [18] ในวิธีการเหล่านี้การคาดการณ์จะคำนวณโดยใช้ค่าเฉลี่ยถ่วงน้ำหนักที่ลดน้ำหนักชี้แจงเป็นข้อสังเกตมาจากต่อไปในอดีตที่ผ่านมา. - น้ำหนักที่เล็กที่สุดที่เกี่ยวข้องกับข้อสังเกตที่เก่าแก่ที่สุดเป็นตัวแทนพบมากที่สุดของวิธีการเหล่านี้เป็นรูปแบบองค์ประกอบ รูปแบบการแสดงส่วนหนึ่งของวิธีการที่เรียบชี้แจงประกอบด้วยสมการคาดการณ์และสมการที่ราบเรียบสำหรับแต่ละส่วนประกอบที่รวมอยู่ในวิธีการ ชิ้นส่วนที่อาจจะรวมเป็นส่วนระดับองค์ประกอบแนวโน้มและองค์ประกอบตามฤดูกาล โดยพิจารณารวมกันทั้งหมดของแนวโน้มและส่วนประกอบตามฤดูกาล 15 วิธีการปรับให้เรียบชี้แจงที่เป็นไปได้ แต่ละวิธีมีข้อความระบุว่าโดยปกติคู่ของตัวอักษร (T, S) การกำหนดประเภทของ "เทรนด์" และ "ฤดูกาล" ส่วนประกอบ เป็นไปได้สำหรับแต่ละองค์ประกอบมีแนวโน้ม = {N, A, โฆษณา, M, Md และฤดูกาล} = {N, A, M} ยกตัวอย่างเช่น (N, N) หมายถึงวิธีการที่เรียบชี้แจงง่าย (A, N) หมายถึงวิธีการเชิงเส้นโฮลท์, (Ad, N) หมายถึงวิธีการที่แนวโน้มหดหู่สารเติมแต่ง (A, A) หมายถึงวิธีการเติมแต่งโฮลท์-ฤดูหนาวและ (A, M) หมายถึงวิธีการคูณโฮลท์-ฤดูหนาว 'พูดถึงคนนิยมมากที่สุด

ผลลัพธ์ (ไทย) 3:

รัฐแบบพื้นที่

ชี้แจงเรียบวิธีการได้รับใช้กับความสำเร็จในการสร้างการคาดการณ์ที่น่าเชื่อถือได้อย่างง่ายดายสำหรับช่วงกว้างของอนุกรมเวลาตั้งแต่ปี 1950 [ 18 ] เหล่านี้มีวิธีการคำนวณการใช้ค่าเฉลี่ยถ่วงน้ำหนัก คาดการณ์ว่าน้ำหนักลดลงชี้แจงตามที่สังเกตมาจากเพิ่มเติมในอดีตและน้ำหนักที่เกี่ยวข้องกับการสังเกตที่เก่าแก่ที่สุด

การแสดงที่พบมากที่สุดของวิธีการเหล่านี้เป็นรูปแบบองค์ประกอบ ส่วนประกอบของอนุกรมเวลาแบบใช้แทนวิธีการประกอบด้วยสมการพยากรณ์และราบเรียบสมการแต่ละคอมโพเนนต์รวมอยู่ในวิธีการที่ ส่วนประกอบที่อาจจะถูกรวมอยู่ในระดับ ส่วนแนวโน้มขององค์ประกอบและองค์ประกอบฤดูกาลโดยพิจารณาชุดของแนวโน้มและฤดูกาล วิธีการปรับให้เรียบแบบเอ็กซ์โปเนนเชียล 15 องค์ประกอบที่เป็นไปได้ แต่ละวิธีที่มักจะมีป้ายโดยคู่ของตัวอักษร ( T , S ) กำหนดชนิดของ " เทรนด์ " และ " ฤดูกาล " ส่วนประกอบ ความเป็นไปได้สำหรับแต่ละองค์ประกอบที่มีแนวโน้ม = { n , A , โฆษณา , M ) } และตามฤดูกาล = { n , m , } ตัวอย่าง ( n , n ) หมายถึง วิธีการปรับให้เรียบแบบเอ็กซ์โปเนนเชียลอย่างง่าย ( An ) แสดงเป็นเชิงเส้นวิธีโฮลท์ ( โฆษณา , n ) หมายถึงการบวกแบบหดหู่แนวโน้ม ( , ) หมายถึงการบวก Holt –ฤดูหนาว ' ) ( , m ) แสดงทศนิยมการคูณ Holt –ฤดูหนาว ' วิธีการ เอ่ยถึงที่ที่ได้รับความนิยมมากที่สุด