The sample size is a key element th

The sample size is a key element that affects the forecast performance, and it limits forecasting applicability under certain situations; although it is available to obtain a sufficient historical data set, it often differs from the growth of actual electricity consumption considerably. Electricity consumption data typically exhibit an increasing fluctuation trend, which is unsuitable for autoregressive moving average,exponential smoothing, and multiple linear regression models.Therefore, new forecasting models must be created for
limited samples and uncertain conditions [12]. Considering these problems, grey-based forecasting models have recently garnered much attention because they are especially suitable
for forecasting using uncertain and insufficient information [26].

ผลลัพธ์ (ไทย) 2:

ขนาดกลุ่มตัวอย่างที่เป็นองค์ประกอบสำคัญที่มีผลต่อประสิทธิภาพการทำงานของการคาดการณ์และจะ จำกัด การบังคับใช้การคาดการณ์ภายใต้สถานการณ์บาง; แม้ว่ามันจะเป็นที่มีอยู่จะได้รับชุดข้อมูลทางประวัติศาสตร์ที่เพียงพอก็มักจะแตกต่างจากการเจริญเติบโตของปริมาณการใช้ไฟฟ้าที่เกิดขึ้นจริงอย่างมาก ข้อมูลการใช้ไฟฟ้ามักจะแสดงแนวโน้มผันผวนที่เพิ่มขึ้นซึ่งเป็นอัตไม่เหมาะสมสำหรับค่าเฉลี่ยเคลื่อนที่เรียบชี้แจงและหลายถดถอยเชิงเส้น models.Therefore,
รูปแบบการพยากรณ์ใหม่จะต้องถูกสร้างขึ้นสำหรับกลุ่มตัวอย่างที่จำกัด และเงื่อนไขที่ไม่แน่นอน [12] พิจารณาปัญหาเหล่านี้สีเทาตามรูปแบบการพยากรณ์เมื่อเร็ว ๆ
นี้ได้รวบรวมความสนใจมากเพราะพวกเขามีความเหมาะสมโดยเฉพาะอย่างยิ่งสำหรับการพยากรณ์โดยใช้ข้อมูลที่ไม่แน่นอนและไม่เพียงพอ[26]

ผลลัพธ์ (ไทย) 3:

ขนาดตัวอย่างเป็นองค์ประกอบที่สำคัญที่มีผลต่อประสิทธิภาพ พยากรณ์ และพยากรณ์การใช้วงเงินภายใต้สถานการณ์บางอย่าง ; แม้ว่ามันจะสามารถใช้ได้เพื่อขอรับข้อมูลทางประวัติศาสตร์เพียงพอชุด มันมักจะแตกต่างจากการเติบโตของการใช้ไฟฟ้าจริงมาก ข้อมูลการใช้ไฟฟ้าโดยทั่วไปจะแสดงการเพิ่มขึ้นของแนวโน้มซึ่งไม่เหมาะสมกับค่าเฉลี่ยเคลื่อนที่ชี้แจงเรียบ และตัวแบบการถดถอยเชิงเส้นพหุคูณ ดังนั้นการพยากรณ์รูปแบบใหม่จะต้องสร้างขึ้นสำหรับ
จำนวนจำกัดและไม่แน่ใจเงื่อนไข [ 12 ] พิจารณาปัญหาเหล่านี้ สีเทาตามแบบพยากรณ์ได้รับเมื่อเร็ว ๆนี้ได้รับความสนใจมากเพราะเหมาะ
สำหรับการพยากรณ์โดยใช้ข้อมูลที่ไม่แน่นอนและไม่เพียงพอ [ 26 ]