Time-series forecasting is an impor

Time-series forecasting is an important research and application area. Over the past decades much attempt has been dedicated to develop the models of time-series forecasting. Useful methods to forecast time-series models include: moving average,Autoregressive Integrated Moving Average (ARIMA) and exponential smoothing , neural network and fuzzy system models and etc

ผลลัพธ์ (ไทย) 1:

การคาดการณ์เวลาชุดเป็นการวิจัยที่สำคัญและพื้นที่แอพพลิเคชัน ทศวรรษผ่านมา ได้รับการทุ่มเทความพยายามมากเพื่อพัฒนารูปแบบของชุดข้อมูลเวลาการคาดการณ์ ประโยชน์วิธีการเวลาชุดโมเดลการคาดการณ์รวม: ค่าเฉลี่ยเคลื่อนที่ Autoregressive รวมย้ายเฉลี่ย (อา) และราบเรียบเนน โครงข่ายประสาท และระบบ fuzzy รุ่น และอื่น ๆ

ผลลัพธ์ (ไทย) 2:

การพยากรณ์อนุกรมเวลาคือการวิจัยที่สำคัญและการใช้พื้นที่ กว่าทศวรรษที่ผ่านมาความพยายามมากได้รับการทุ่มเทให้กับการพัฒนารูปแบบของการพยากรณ์เวลาชุด วิธีการที่เป็นประโยชน์ในการคาดการณ์แบบอนุกรมเวลารวมถึงค่าเฉลี่ยเคลื่อนที่อัตแบบบูรณาการเฉลี่ยเคลื่อนที่ (ARIMA) และเรียบแทนเ​​ครือข่ายประสาทและรูปแบบระบบฟัซซี่และอื่น ๆ

ผลลัพธ์ (ไทย) 3:

การพยากรณ์อนุกรมเวลา เป็นการวิจัยที่สำคัญและพื้นที่การประยุกต์ใช้ กว่าทศวรรษที่ผ่านมามากพยายามได้ทุ่มเทเพื่อพัฒนารูปแบบของการพยากรณ์อนุกรมเวลา . วิธีที่มีประโยชน์เพื่อการพยากรณ์อนุกรมเวลาแบบรวม : เฉลี่ยเคลื่อนที่ตัวเองรวมค่าเฉลี่ยเคลื่อนที่ ( ARIMA ) และปรับให้เรียบแบบเอ็กซ์โปเนนเชียล เครือข่ายประสาทและแบบจำลองระบบฟัซซีและอื่น ๆ