Forecasting time series data is one

Forecasting time series data is one of the most important issues involved in numerous applications in real life. Time series data have been analyzed in either the time or frequency domains. The objective of this study is to propose a forecasting method based on wavelet filtering. The proposed method decomposes the original time series into the trend and variation parts and constructs a separate model for each part. Simulation and real case studies were conducted to examine the properties of the proposed method under various scenarios and compare its performance with time series forecasting models without wavelet filtering. The results from both simulated and real data showed that the proposed method based on wavelet filtering yielded more accurate results than the models without wavelet filtering in terms of mean absolute percentage error criterion.

ผลลัพธ์ (ไทย) 1:

การคาดการณ์เวลาชุดข้อมูลเป็นหนึ่งปัญหาสำคัญที่เกี่ยวข้องในโปรแกรมประยุกต์มากมายในชีวิตจริง ได้รับการวิเคราะห์ข้อมูลอนุกรมเวลาในโดเมนเวลาหรือความถี่ วัตถุประสงค์ของการศึกษานี้ได้เสนอวิธีการคาดการณ์ตาม wavelet กรอง วิธีการนำเสนอ decomposes ชุดเวลาเดิมเป็นแนวโน้มและการเปลี่ยนแปลงชิ้นส่วน และสร้างแบบแยกต่างหากสำหรับแต่ละส่วน จำลองและกรณีศึกษาจริงได้ดำเนินการตรวจสอบคุณสมบัติของวิธีการนำเสนอภายใต้สถานการณ์ต่าง ๆ และเปรียบเทียบประสิทธิภาพการทำงานกับแบบจำลองคาดการณ์ลำดับเวลา โดย wavelet กรอง ผลลัพธ์จากข้อมูลจริง และจำลองแสดงให้เห็นว่า วิธีการเสนอตาม wavelet กรองหาผลลัพธ์ที่ถูกต้องมากขึ้นกว่ารุ่นไม่ มีกรองในแง่ของ wavelet หมายความว่า เกณฑ์สัมบูรณ์เปอร์เซ็นต์ข้อผิดพลาด

ผลลัพธ์ (ไทย) 2:

การพยากรณ์ข้อมูลอนุกรมเวลาเป็นหนึ่งในประเด็นที่สำคัญที่สุดที่เกี่ยวข้องในการใช้งานจำนวนมากในชีวิตจริง ข้อมูลอนุกรมเวลาที่ได้รับการวิเคราะห์ทั้งในเวลาหรือโดเมนความถี่ วัตถุประสงค์ของการศึกษานี้คือการเสนอวิธีการพยากรณ์ที่ขึ้นอยู่กับการกรองเวฟ วิธีการที่นำเสนอสลายตัวชุดเวลาเดิมเป็นแนวโน้มและชิ้นส่วนรูปแบบและสร้างรูปแบบที่แยกต่างหากสำหรับแต่ละส่วน การจำลองและกรณีศึกษาจริงที่จะได้ดำเนินการตรวจสอบคุณสมบัติของวิธีการที่นำเสนอภายใต้สถานการณ์ต่างๆและเปรียบเทียบประสิทธิภาพการทำงานที่มีเวลารูปแบบการพยากรณ์ชุดโดยไม่ต้องกรองเวฟ ผลจากทั้งข้อมูลจำลองและเป็นจริงแสดงให้เห็นว่าวิธีการที่นำเสนอบนพื้นฐานของการกรองเวฟให้ผลถูกต้องมากขึ้นกว่ารุ่นโดยไม่ต้องกรองเวฟในแง่ของค่าเฉลี่ยร้อยละเกณฑ์ข้อผิดพลาดแน่นอน

ผลลัพธ์ (ไทย) 3:

การพยากรณ์ข้อมูลอนุกรมเวลาเป็นหนึ่งในที่สำคัญที่สุดปัญหาที่เกี่ยวข้องในแอปพลิเคชันมากมายในชีวิตจริง มีการวิเคราะห์ข้อมูลอนุกรมเวลาทั้งในเวลาหรือความถี่โดเมน การศึกษานี้มีวัตถุประสงค์เพื่อนำเสนอวิธีการพยากรณ์โดยวิธีการกรองวิธีการสลายตัวของอนุกรมเวลาเดิมเป็นแนวโน้มการเปลี่ยนแปลงโครงสร้างและชิ้นส่วนและรูปแบบแยกต่างหากสำหรับแต่ละส่วน การจำลองและกรณีศึกษาจริง มีวัตถุประสงค์เพื่อศึกษาคุณสมบัติของวิธีที่นำเสนอภายใต้สถานการณ์ต่าง ๆและเปรียบเทียบประสิทธิภาพของการพยากรณ์อนุกรมเวลาแบบไม่มีเทคนิคการกรองผลจากการจำลองข้อมูลทั้งจริงและพบว่าวิธีที่เสนอโดยวิธีการกรองให้ผลผลลัพธ์ที่ถูกต้องมากขึ้นกว่ารุ่นไม่มีเทคนิคการกรองในแง่ของค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนมาตรฐาน