view in publisher's site

Neural Network Models for Time Series Forecasts

Neural networks have been advocated as an alternative to traditional statistical forecasting methods. In the present experiment, time series forecasts produced by neural networks are compared with forecasts from six statistical time series methods generated in a major forecasting competition (Makridakis et al. [Makridakis, S., A. Anderson, R. Carbone, R. Fildes, M. Hibon, R. Lewandowski, J. Newton, E. Parzen, R. Winkler. 1982. The accuracy of extrapolation (time series) methods: Results of a forecasting competition. J. Forecasting1 111–153.]); the traditional method forecasts were estimated by experts in the particular technique. The neural networks were estimated using the same ground rules as the competition. Across monthly and quarterly time series, the neural networks did significantly better than traditional methods. As suggested by theory, the neural networks were particularly effective for discontinuous time series.

مدل‌های شبکه عصبی برای پیش‌بینی سری زمانی

شبکه‌های عصبی به عنوان جایگزینی برای روش‌های سنتی پیش‌بینی آماری مورد حمایت قرار گرفته‌اند. در این آزمایش، پیش‌بینی‌های سری زمانی تولید شده توسط شبکه‌های عصبی با پیش‌بینی شش روش سری زمانی تولید شده در یک رقابت پیش‌بینی بزرگ مقایسه می‌شوند (Makridakis و همکاران [ Makridakis، S. ، آ. اندرسون، آر. Carbone، R. Fildes، ام. Hibon، R. Lewandowski، جی. نیوتن، ای. parzen، R. وینکلر. ۱۹۸۲. دقت روش‌های برون یابی (سری‌های زمانی): نتایج یک رقابت پیش‌بینی. جی. Forecasting۱ ۱۱۱ - ۱۵۳ sm)، روش سنتی پیش‌بینی توسط کارشناسان در تکنیک خاص تخمین زده شد. شبکه‌های عصبی با استفاده از همان قواعد پایه به عنوان رقابت تخمین زده شدند. در طول سری‌های زمانی ماهانه و ماهانه، شبکه‌های عصبی به طور قابل‌توجهی بهتر از روش‌های سنتی عمل کردند. همانطور که توسط تئوری پیشنهاد شد، شبکه‌های عصبی به طور خاص برای سری‌های زمانی ناپیوسته موثر بودند.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.