Tìm thấy 20+ kết quả cho từ khóa "Dự báo chuỗi thời gian mờ"
www.academia.edu Xem trực tuyến Tải xuống
Salt peak MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ SỬ DỤNG KỸ THUẬT PHÂN CỤM DỰA TRÊN ĐỒ THỊ Lê Thị Lương Trường Cao đẳng Công nghệ và Kinh tế Công nghiệp THÔNG TIN BÀI BÁO TÓM TẮT Ngày nhận bài Mô hình chuỗi thời gian mờ là một trong những công cụ được sử dụng để giải quyết quá trình phức tạp và không chắc chắn.
www.academia.edu Xem trực tuyến Tải xuống
MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ 2.1 Một số khái niệm cơ bản của mô hình dự báo chuỗi thời gian mờ Mô hình chuỗi thời gian mờ lần đầu tiên được Song và Chissom đưa ra và được Chen cải tiến để có thể xử lý bằng các phép tính số học đơn giản hơn nhưng chính xác hơn phù hợp với các ứng dụng dự báo chuỗi thời gian mờ.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Tuy nhiên các mô hình chuỗi thời gian không mờ chỉ thực sự tốt khi dữ liệu phải có tính dừng và sai số nhiễu của nó phải là một ồn trắng. Vì sự biến đổi phức tạp trong các dữ liệu thực tế, nên chuỗi thời gian không mờ cũng chưa đáp ứng được các yêu cầu khi dự báo. Nhiều trường hợp dự báo rất kém độ chính xác (Chen 1996).. Dựa trên lý thuyết mờ, chuỗi thời gian mờ (FTS) được đề xuất để giải quyết các yếu điểm của chuỗi thời gian không mờ.
www.scribd.com Xem trực tuyến Tải xuống
MỘT SỐ THUẬT TOÁN CƠ BẢN TRONG CHUỖI THỜI GIAN MỜ VÀ MỘT SỐ THUẬT TOÁN CẢI TIẾN. Định nghĩa tập mờ và chuỗi thời gian mờ. Một số định nghĩa liên quan đến chuỗi thời gian mờ. Mô hình một số thuật toán dự báo trong mô hình chuỗi thời gian mờ. Mô hình Heuristic cho chuỗi thời gian mờ. Ứng dụng trong dự báo chứng khoán.
www.academia.edu Xem trực tuyến Tải xuống
Thứ ba, thực hiện thực nghiệm trên cùng một tập đào tào và tập kiểm tra đối với các mô hình dự báo gần đây cho thấy mô hình đề xuất có độ chính xác cao hơn đáng kể mặc dù thuật toán đơn giản hơn. Luận án nhận thấy mô hình chuỗi thời gian mờ trong dự báo chuỗi thời gian khắc phục hạn chế về mặt dữ liệu không rõ ràng của chuỗi thời gian, do đó một số lý thuyết về chuỗi thời gian mờ cũng như một vài thuật toán dự báo sử dụng chuỗi thời gian mờ được khái quát lại.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Bảng 12: Các mô hình tối ưu trong dự báo đỉnh mặn tại OĐ. Mờ hóa ARIMA-Chen-Hsu Gốc Chuỗi thời gian mờ Bảng này một lần nữa cho thấy, các tham số đánh giá mô hình (ME và AIC) của chuỗi thời gian mờ nhỏ hơn rất nhiều so với hai trường hợp còn lại.. Như vậy, mô hình chuỗi thời gian mờ phù hợp hơn trong dự báo.. Sử dụng mô hình chuỗi thời gian mờ, ta dự báo đỉnh mặn OĐ đến năm 2020 như sau:. Bảng 13: Kết quả dự báo đỉnh mặn tại OĐ giai đoạn .
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Hạn chế chính của các mô hình chuỗi thời gian không mờ. là việc dự báo dựa trên sự liên kết của các phần tử bằng một biểu thức toán học mà không có sự linh động theo mức độ của ngôn ngữ tuỳ thuộc vào từng chuỗi (Eren et al., 2014). Để khắc phục điều này chuỗi thời gian mờ đã được đề xuất.
www.academia.edu Xem trực tuyến Tải xuống
B5: dự báo. TÍNH DỪNG VÀ CÁCH XỬ LÝ • Tính dừng: để xác định mô hình ARIMA cho chuỗi thời gian trước hết dữ liệu phải có tính dừng, có nghĩa là dãy số có GTTB và phương sai không đổi theo thời gian ( chia ra các thời đoạn và lấy GTTB. Chuỗi dữ liệu sau khi đã xử lý gọi là chuỗi làm việc (working series) và được dùng trong phân tích dự báo mô hình DỰ BÁO GIÁ GẠO THEO MÔ HÌNH ARIMA • Vẽ biểu đồ GRAPH (QUICK GRAPH.
01050001899.pdf
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Chương 2: Tính dừng của chuỗi thời gian và dự báo chuỗi thời gian dừng 12 1 Tính dừng của chuỗi thời gian. 2 Kiểm định tính dừng của chuỗi thời gian. 2.3 Chuỗi thời gian giá đóng cửa của mã chứng khoán HAG có phải là chuỗi dừng. 3 Dự báo chuỗi thời gian dừng. 3.2 Dự báo tuyến tính tốt nhất cho chuỗi thời gian dừng. 3.3 Các phương pháp tính toán dự báo tuyến tính tốt nhất. 3.4 Dự báo giá đóng cửa của mã chứng khoán HAG. 4 Dự báo chuỗi thời gian dừng có vô số quan sát trong quá khứ. 4.2 Một số tính
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
MỘT MÔ HÌNH MỜ HÓA CHUỖI THỜI GIAN CẢI TIẾN. Dự báo, chuỗi thời gian mờ, mờ hóa, sự biến đổi của dữ liệu. Dựa trên những cải tiến trong việc xây dựng tập nền, mối quan hệ của mỗi phần tử trong chuỗi và nguyên tắc giải mờ, bài viết này đề xuất một mô hình mờ hóa dữ liệu chuỗi thời gian. Các tham số trong mô hình đề nghị được xem xét để có thể ứng dụng trong thực tế và được minh họa cụ thể qua các bước thực hiện bởi ví dụ số.
ctujsvn.ctu.edu.vn Xem trực tuyến Tải xuống
Dự báo, chùm, chuỗi thời gian mờ, mờ hóa, thuật toán Keywords:. Bài báo này đề xuất mô hình chuỗi thời gian để mờ hoá dữ liệu lịch sử và sử dụng nó dự báo cho tương lai. Mô hình này được xây dựng dựa trên các thuật toán tự động trong phân tích chùm và được thực hiện bởi các chương trình viết trên Matlab. Chúng là thuật toán xác định số lượng chùm thích hợp, các phần tử cụ thể trong mỗi chùm và mối quan hệ của mỗi phần tử với các chùm đã được thiết lập.
www.academia.edu Xem trực tuyến Tải xuống
1 NGHIÊN CỨU ỨNG DỤNG CHUỖI THỜI GIAN TRONG VIỆC DỰ BÁO KINH DOANH XĂNG DẦU Trần Văn Tâm Em Tổng Công ty Tín Nghĩa Email: [email protected] Tóm tắt Mục tiêu của nghiên cứu này nhằm giới thiệu việc xây dựng mô hình tự hồi qui (AutoRegressive – AR) với các dữ liệu chuỗi thời gian, và ứng dụng mô hình này trong việc dự báo. Mô hình giải thích sự biến động của chuỗi thời gian bằng cách quan hệ với các giá trị quá khứ có độ trễ.
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Bản chất của mô hình ARIMA là dự báo giá trị tương lai của một biến số (biểu thị theo chuỗi thời gian) dựa trên giá trị quá khứ và các sai số ngẫu nhiên. Tuy nhiên, mô hình ARIMA chỉ thích hợp cho việc phân tích, dự báo dữ liệu chuỗi thời gian không có yếu tố mùa vụ. Mô hình trung bình trượt tích hợp tự hồi qui là công cụ để phân tích, dự báo chuỗi thời gian được Box-Jenkins đề xuất mở ra một trang mới trong dự báo.
000000105139.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Bản chất của mô hình ARIMA là dự báo giá trị tương lai của một biến số (biểu thị theo chuỗi thời gian) dựa trên giá trị quá khứ và các sai số ngẫu nhiên. Tuy nhiên, mô hình ARIMA chỉ thích hợp cho việc phân tích, dự báo dữ liệu chuỗi thời gian không có yếu tố mùa vụ. Mô hình trung bình trượt tích hợp tự hồi qui là công cụ để phân tích, dự báo chuỗi thời gian được Box-Jenkins đề xuất mở ra một trang mới trong dự báo.
tailieu.vn Xem trực tuyến Tải xuống
NGHIÊN CỨU PHÁT TRIỂN MƠ HÌNH DỰ BÁO DỮ LIỆU THỜI GIAN SỬ DỤNG PHƯƠNG PHÁP CỬA SỔ DỊCH CHUYỂN VÀ MÁY HỌC VÉC-TƠ HỖ TRỢ ĐƯỢC TỐI ƯU. CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN. Dự báo dữ liệu chuỗi thời gian: khái niệm và phân loại . Khái niệm dự báo dữ liệu chuỗi thời gian. Phân loại dự báo dữ liệu chuỗi thời gian. Tầm quan trọng của dự báo dữ liệu chuỗi thời gian. CHƯƠNG 2: CÁC NGHIÊN CỨU VỀ DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN. Dự báo chuỗi thời gian trên thế giới.
www.academia.edu Xem trực tuyến Tải xuống
Dự báo sử dụng mô hình chuỗi thời gian (Time Series Models for Forecasting) Hồi qui với biến trễ Regression with distributed lags Nguyễn Ngọc Anh Trung tâm Nghiên cứu Chính sách và Phát triển Nguyễn Việt C ng Đại học Kinh tế Quốc dân Economics 20 - Prof. Anderson 1 Giới thiệu Chúng ta trong các bài tr ớc, xem xét mô hình hồi qui, sử dụng cho cả dữ liệu chéo, lẫn dữ liệu chuỗi th i gian.
www.scribd.com Xem trực tuyến Tải xuống
Ở Chương 22 chúng ta tập trung chủ yếu vào việc dự báo sử dụng các dữ liệu của chuỗi thời gian. Với giả định rằng một chuỗi thời gian là dừng hoặc có thể trở nên dừng bằng các chuyển hóa thích hợp, chúng ta sẽ chứng tỏ quá trình mô hình hóa ARIMA, đã được biết tới nhờ Box và Jenkins, có thể được sử dụng cho việc dự báo như thế nào. Hai chương này mới chỉ đề cập một cách căn bản về chuỗi thời gian của lĩnh vực kinh tế lượng.
tailieu.vn Xem trực tuyến Tải xuống
Mục ñích của bài báo này là phát hiện luật kết hợp liên kết chuỗi thời gian mờ từ cơ sở dữ liệu ñịnh lượng có yếu tố thời gian, không có yếu tố khách hàng trong giao dịch. quá trình phát hiện luật kết hợp liên kết chuỗi thời gian mờ cũng ñược chia thành 2 giai ñoạn: Giai ñoạn 1 tìm các mẫu chuỗi liên kết thời gian mờ phổ biến và giai ñoạn 2 sinh ra các luật kết hợp dựa trên tập các mẫu chuỗi liên kết thời gian mờ phổ biến tìm ñược trong giai ñoạn 1 theo cách tương tự như .
www.scribd.com Xem trực tuyến Tải xuống
Chú ng ta sẽ thấy ở chương này Hồi qui không xác thực có thể xảy ra như thế nào nếu các chuỗi thời gian không phải là dừng. Thứ ba, các mô hình hồi qui có chứa các dữ liệu của chuỗi thời gian thường được dùng cho công tác dự báo. Từ những luận điểm trên, ta cần phải biết xem liệu việc dự báo như thế có đáng tin cậy hay không khi mà các chuỗi thời gian được sử dụng không phải là chuỗi dừng.
000000105139-TT.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
MÔ HÌNH CHUỖI THỜI GIAN ÁP DỤNG TRONG KINH TẾ Trần Thanh Bình Tóm tắt nội dung Luận văn nghiên cứu một số mô hình dự báo dùng mô hình chuỗi thời gian và xây dựng một ứng dụng minh hoạ bằng bài toán dự báo giá gạo. Luận văn tập trung vào các vấn đề chính sau: -Nghiên cứu các mô hình dự báo. Mô hình dừng tuyến tính (AR, MA, ARMA. Mô hình không dừng tuyến tính (ARIMA. Mô hình mùa vụ (SARIMA) -Xây dựng ứng dụng minh hoạ dự báo trên mô hình ARIMA: dự báo giá gạo.