The above algorithm is tested for d

The above algorithm is tested for different values of K. For each K, a minimization algorithm helps to restore the time series. Since we have 8 location parameters and 8 scale parameters we work on a minimization space of 16 dimensions. In this space an optimum combination of these parameters is able to enhance the performance of the algorithm, given that the calendar effects exist on the time series. Since the calendar effects do not follow the normal distribution (see Table 1), we standardize each calendar effect in a robust way estimating the robust location and the robust scale parameters using the Least Median of Squares (LMS) method proposed by Rousseeuw and Leroy (1987). The LMS location parameter minimizes the median of the squared errors, and the scale parameter is a function of the median of the squared residuals

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมด้านบนมีทดสอบค่าต่าง ๆ ของคุณ สำหรับแต่ละ K อัลกอริทึมการลดภาระการช่วยคืนค่าชุดเวลา เนื่องจากเรามีตั้ง 8 พารามิเตอร์และพารามิเตอร์ระดับ 8 เราทำงานในพื้นที่การลดขนาด 16 ในพื้นที่นี้ ทั้งพารามิเตอร์เหล่านี้ที่เหมาะสมจะสามารถเพิ่มประสิทธิภาพการทำงานของอัลกอริทึม ระบุว่าผลกระทบปฏิทินที่มีอยู่ในชุดเวลา เนื่องจากผลกระทบปฏิทินตามการกระจายปกติ (ดูตารางที่ 1), เรากำหนดมาตรฐานแต่ละผลปฏิทินในแบบแข็งแกร่งประมาณตำแหน่งที่แข็งแกร่งและพารามิเตอร์ระดับประสิทธิภาพใช้วิธีการอย่างน้อยมัธยฐานของสี่เหลี่ยม (LMS) ที่เสนอ โดย Rousseeuw และ Leroy (1987) พารามิเตอร์ที่ตั้ง LMS ช่วยลดค่ามัธยฐานของข้อผิดพลาดที่ยกกำลังสอง และพารามิเตอร์ระดับเป็นฟังก์ชันของค่ามัธยฐานของค่าคงเหลือที่ยกกำลังสอง

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการดังกล่าวข้างต้นมีการทดสอบค่าที่แตกต่างกันสำหรับแต่ละเค K, ขั้นตอนวิธีการลดช่วยในการเรียกคืนชุดเวลา เนื่องจากเรามี 8 พารามิเตอร์ที่ตั้งและพารามิเตอร์ขนาด 8 เราทำงานในพื้นที่ลด 16 ขนาด ในพื้นที่นี้เป็นชุดที่ดีที่สุดของพารามิเตอร์เหล่านี้สามารถที่จะเพิ่มประสิทธิภาพของอัลกอริทึมที่ได้รับผลกระทบที่อยู่ในปฏิทินชุดเวลา เนื่องจากผลกระทบปฏิทินไม่ปฏิบัติตามการกระจายปกติ (ดูตารางที่ 1) เราสร้างมาตรฐานผลปฏิทินในแต่ละวิธีที่มีประสิทธิภาพการประเมินตำแหน่งที่แข็งแกร่งและพารามิเตอร์ระดับที่แข็งแกร่งโดยใช้ค่าเฉลี่ยน้อยที่สุดของสแควร์ (LMS) วิธีการที่เสนอโดย Rousseeuw และ Leroy ( 1987) สถานที่ตั้งของ LMS พารามิเตอร์ลดค่ามัธยฐานของข้อผิดพลาดกำลังสองและพารามิเตอร์ขนาดเป็นหน้าที่ของค่ามัธยฐานของเหลือสแควร์ที่เป็น

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีข้างต้นมีการทดสอบที่แตกต่างกันสำหรับแต่ละค่าของ k . K , การลดขั้นตอนวิธีช่วยฟื้นฟูเวลาชุด เนื่องจากเราได้ 8 ตำแหน่งและค่าพารามิเตอร์ 8 ขนาดเราทำงานในการลดพื้นที่ของ 16 มิติ ในพื้นที่นี้มีการรวมกันที่เหมาะสมของพารามิเตอร์เหล่านี้จะสามารถเพิ่มประสิทธิภาพของขั้นตอนวิธีที่ได้รับผลกระทบอยู่ในเวลาปฏิทินชุด ตั้งแต่ปฏิทินผลไม่เป็นไปตามปกติ ( ดูตารางที่ 1 ) เราได้ผลแต่ละปฏิทินในเสถียรภาพทางการประมาณตำแหน่งที่แข็งแกร่งและทนทานปรับค่าใช้เฉลี่ยน้อยที่สุดของสี่เหลี่ยม ( LMS ) และวิธีการที่เสนอโดย rousseeuw เลอรอย ( 1987 )การจัดตำแหน่งพารามิเตอร์ช่วยลดความถี่ของความผิดพลาดกำลังสอง และค่าพารามิเตอร์ที่เป็นฟังก์ชันของความถี่ของค่าคลาดเคลื่อนกำลังสอง