The multiple linear regression meth

The multiple linear regression method is still an interesting forecasting option because of its
simplicity. Mohamed and Bodger [11] used a multiple linear regression model to forecast the
electricity consumption of New Zealand where the independent variables were gross domestic product
(GDP), electricity price and population. The genetic algorithm (GA) was integrated with an ANN in
the study of Azadeh, Ghaderi, Tavedian and Saberi [12] to forecast the monthly electricity demand in
Iran. The estimated errors (MAPE) were used as the measure of errors, while the results showed that
the MAPE of the proposed method was less than those of regression and time series models.
Moreover, Azadeh, Ghaderi and Sohrabkhani [13] also assessed the performance of an ANN model to
forecast monthly electricity consumption by utilizing analysis of variance (ANOVA). Four treatments
of the experiment were: actual data, time series, ANN and simulation-based ANN. According to the
empirical study, ANN was superior to the time series and simulation-based ANN.

ผลลัพธ์ (ไทย) 1:

วิธีการถดถอยเชิงเส้นหลายยังคงเป็นตัวเลือกที่น่าสนใจที่คาดการณ์เนื่องจากความเรียบง่าย Mohamed Bodger [11] ใช้แบบจำลองถดถอยเชิงเส้นหลายการคาดการณ์ปริมาณการใช้ไฟฟ้าของนิวซีแลนด์ที่ตัวแปรอิสระที่มีผลิตภัณฑ์มวลรวมภายในประเทศ(GDP), ไฟฟ้าราคาและประชากร ขั้นตอนวิธีพันธุกรรม (GA) ถูกรวมเข้ากับแอนน์ในการการศึกษาของ Azadeh, Ghaderi, Tavedian และ Saberi [12] เพื่อคาดการณ์ความต้องการไฟฟ้ารายเดือนในอิหร่าน ข้อผิดพลาดโดยประมาณ (MAPE) ถูกใช้เป็นข้อผิดพลาด การวัดผลพบว่าMAPE วิธีนำเสนอมีน้อยกว่าของรุ่นชุดถดถอยและเวลานอกจากนี้ Azadeh, Ghaderi และ Sohrabkhani [13] ยังประเมินประสิทธิภาพของแบบจำลอง ANN เพื่อการคาดการณ์ปริมาณการใช้ไฟฟ้ารายเดือน โดยใช้ผลต่างของการวิเคราะห์ (วิเคราะห์ความแปรปรวน) รักษา 4ทดลองมี: ข้อมูลจริง ชุดเวลา แอนและแบบจำลองสถานการณ์แอน ตามผลการศึกษา แอนน์ถูกจะลำดับเวลาและแบบจำลองสถานการณ์แอน

ผลลัพธ์ (ไทย) 2:

หลายวิธีการถดถอยเชิงเส้นยังคงเป็นตัวเลือกที่น่าสนใจเพราะการคาดการณ์ของความเรียบง่าย โมฮาเหม็และ Bodger [11]
ใช้หลายรูปแบบการถดถอยเชิงเส้นที่จะคาดการณ์ปริมาณการใช้ไฟฟ้าของประเทศนิวซีแลนด์ที่ตัวแปรอิสระมีผลิตภัณฑ์มวลรวมภายในประเทศ
(จีดีพี) ราคาไฟฟ้าและประชากร ขั้นตอนวิธีทางพันธุกรรม (GA)
ถูกรวมกับแอนในการศึกษาของAzadeh ที่ Ghaderi, Tavedian และ Saberi [12]
ในการคาดการณ์ความต้องการใช้ไฟฟ้ารายเดือนในอิหร่าน ข้อผิดพลาดประมาณ (MAPE) ถูกนำมาใช้เป็นตัวชี้วัดของความผิดพลาดในขณะที่ผลการศึกษาพบว่า
MAPE ของวิธีการที่นำเสนอน้อยกว่าผู้ที่ถดถอยและเวลารุ่นซีรีส์.
นอกจากนี้ Azadeh, Ghaderi และ Sohrabkhani [13] นอกจากนี้ยังมีการประเมินผลการปฏิบัติงาน ของแบบจำลอง ANN
การคาดการณ์ปริมาณการใช้ไฟฟ้ารายเดือนโดยใช้การวิเคราะห์ความแปรปรวน(ANOVA) สี่การรักษาของการทดลองคือข้อมูลจริงอนุกรมเวลา, และการจำลอง ANN ตาม ANN
ตามที่การศึกษาเชิงประจักษ์ ANN ดีกว่าชุดเวลาและการจำลองตาม ANN

ผลลัพธ์ (ไทย) 3:

หลายวิธีการถดถอยเชิงเส้นยังคงเป็นทางเลือกที่น่าสนใจ เพราะการพยากรณ์ของ
ความเรียบง่าย โม bodger [ 11 ] และใช้แบบจำลองการถดถอยเชิงเส้นพหุ พยากรณ์การใช้ไฟฟ้า
นิวซีแลนด์ที่ตัวแปรอิสระได้แก่ ผลิตภัณฑ์มวลรวมภายใน ประเทศ ( GDP )
, ราคาไฟฟ้าและประชากร ขั้นตอนวิธีทางพันธุกรรม ( GA ) ถูกรวมเข้ากับแอนใน
การศึกษา azadeh ghaderi tavedian , และ , saberi [ 12 ] พยากรณ์ความต้องการไฟฟ้ารายเดือน
อิหร่าน ค่าความคลาดเคลื่อน ( MAPE ) ใช้เป็นวัดของข้อผิดพลาดในขณะที่พบว่า
ค่า MAPE ของวิธีที่นำเสนอได้น้อยกว่าการถดถอยและรูปแบบอนุกรมเวลา .
นอกจากนี้ azadeh ghaderi sohrabkhani [ 13 ] , และยัง ประเมินประสิทธิภาพของแบบจำลอง ANN

พยากรณ์รายเดือน ใช้ไฟฟ้า โดยใช้การวิเคราะห์ความแปรปรวน ( ANOVA ) 4 การรักษา
ของการทดลองจริง : ข้อมูล อนุกรมเวลา แอนและการจำลองโดยแอน ตาม
ศึกษาเชิงประจักษ์ แอนเป็น superior กับอนุกรมเวลาและการจำลองโดยแอน