Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "model ARIMA" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Assessing the representative elementary volume of rock types by X-ray computed tomography (CT) – a simple approach to demonstrate the heterogeneity of the Boda Claystone Formation in Hungary
Autorzy:
Abutaha, Saja M.
Geiger, János
Gulyás, Sándor
Fedor, Ferenc
Powiązania:
https://bibliotekanauki.pl/articles/2204358.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet im. Adama Mickiewicza w Poznaniu
Tematy:
Hounsfield Unit
HU
autoregressive integrated moving average
ARIMA
Statistical Process Control
SPC technique
skala Hounsfielda
model ARIMA
statystyczna kontrola procesu
SPC
Opis:
X-ray computed tomography (CT) can reveal internal, three-dimensional details of objects in a non-destructive way and provide high-resolution, quantitative data in the form of CT numbers. The sensitivity of the CT number to changes in material density means that it may be used to identify lithology changes within cores of sedimentary rocks. The present pilot study confirms the use of Representative Elementary Volume (REV) to quantify inhomogeneity of CT densities of rock constituents of the Boda Claystone Formation. Thirty-two layers, 2 m core length, of this formation were studied. Based on the dominant rock-forming constituent, two rock types could be defined, i.e., clayey siltstone (20 layers) and fine siltstone (12 layers). Eleven of these layers (clayey siltstone and fine siltstone) showed sedimentary features such as, convolute laminations, desiccation cracks, cross-laminations and cracks. The application of the Autoregressive Integrated Moving Averages, Statistical Process Control (ARIMA SPC) method to define Representative Elementary Volume (REV) of CT densities (Hounsfield unit values) affirmed the following results: i) the highest REV values corresponded to the presence of sedimentary structures or high ratios of siltstone constituents (> 60%). ii) the REV average of the clayey siltstone was (5.86 cm3) and (6.54 cm3) of the fine siltstone. iii) normalised REV percentages of the clayey siltstone and fine siltstone, on the scale of the core volume studied were 19.88% and 22.84%; respectively. iv) whenever the corresponding layer did not reveal any sedimentary structure, the normalised REV values would be below 10%. The internal void space in layers with sedimentary features might explain the marked textural heterogeneity and elevated REV values. The drying process of the core sample might also have played a significant role in increasing erroneous pore proportions by volume reducation of clay minerals, particularly within sedimentary structures, where authigenic clay and carbonate cement were presumed to be dominant.
Źródło:
Geologos; 2021, 27, 3; 157--172
1426-8981
2080-6574
Pojawia się w:
Geologos
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Performance Comparison of Four New ARIMA-ANN Prediction Models on Internet Traffic Data
Autorzy:
Babu, C. N.
Reddy, B. E.
Powiązania:
https://bibliotekanauki.pl/articles/308269.pdf
Data publikacji:
2015
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
ANN
ANN training
ARIMA
Box-Jenkins methodology
hybrid ARIMA-ANN model
Internet traffic forecasting
Opis:
Prediction of Internet traffic time series data (TSD) is a challenging research problem, owing to the complicated nature of TSD. In literature, many hybrids of auto-regressive integrated moving average (ARIMA) and artificial neural networks (ANN) models are devised for the TSD prediction. These hybrid models consider such TSD as a combination of linear and non-linear components, apply combination of ARIMA and ANN in some manner, to obtain the predictions. Out of the many available hybrid ARIMA-ANN models, this paper investigates as to which of them suits better for Internet traffic data. This suitability of hybrid ARIMA-ANN models is studied for both one-step ahead and multistep ahead prediction cases. For the purpose of the study, Internet traffic data is sampled at every 30 and 60 minutes. Model performances are evaluated using the mean absolute error and mean square error measurement. For one-step ahead prediction, with a forecast horizon of 10 points and for three-step prediction, with a forecast horizon of 12 points, the moving average filter based hybrid ARIMA-ANN model gave better forecast accuracy than the other compared models.
Źródło:
Journal of Telecommunications and Information Technology; 2015, 1; 67-75
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena efektów dywersyfikacji portfela produktowego w zakresie ryzyka sprzedaży całkowitej i trafności jej prognoz
Assessment of diversification of product portfolio in terms of total sales risk and its forecast accuracy
Autorzy:
Brzęczek, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/424809.pdf
Data publikacji:
2017
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
trafność prognozy
szereg czasowy
sprzedaż produktów
regresja
ARIMA
model Wintersa
Opis:
Celem prac badawczych opisanych w artykule była ocena dywersyfikacji portfela produktowego w świetle pojęć i metod teorii prognozowania, przede wszystkim ocena dywersyfikacji na podstawie trafności prognozy sprzedaży całkowitej. Dlatego porównano trafność prognoz sprzedaży pojedynczych grup produktów i sprzedaży całkowitej w wybranym przedsiębiorstwie handlowym z branży rolniczo-technicznej. Wyniki są zgodne ze znaną z teorii prawidłowością, iż dywersyfikacja produktowa służy zmniejszaniu ryzyka w prowadzonej działalności gospodarczej. Podwyższona trafność prognoz potwierdziła hipotezę o właściwej dywersyfikacji produktowej w badanym przedsiębiorstwie. Dobór metod i estymację modeli poprzedzono badaniami własności szeregów czasowych sprzedaży. Testy dały ogólne wskazówki co do typu modelu i zmiennych objaśniających. Do analizy każdego szeregu zastosowano alternatywne typy modeli: regresji, ARIMA i wygładzania wykładniczego Wintersa, z których wybrano jeden o najbardziej trafnych prognozach.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2017, 1 (55); 112-124
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Stochastic ARIMA model for annual rainfall and maximum temperature forecasting over Tordzie watershed in Ghana
Stochastyczny model ARIMA do prognozowania rocznego opadu i maksymalnej temperatury w zlewni Tordzie w Ghanie
Autorzy:
Nyatuame, M.
Agodzo, S. K.
Powiązania:
https://bibliotekanauki.pl/articles/292306.pdf
Data publikacji:
2018
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
ARIMA
forecasting
rainfall model
temperature
Tordzie watershed
modele opadu
prognozowanie
temperatura
zlewnia Tordzie
Opis:
The forecast of rainfall and temperature is a difficult task due to their variability in time and space and also the inability to access all the parameters influencing rainfall of a region or locality. Their forecast is of relevance to agriculture and watershed management, which significantly contribute to the economy. Rainfall prediction requires mathematical modelling and simulation because of its extremely irregular and complex nature. Autoregressive integrated moving average (ARIMA) model was used to analyse annual rainfall and maximum temperature over Tordzie watershed and the forecast. Autocorrelation function (ACF) and partial autocorrelation function (PACF) were used to identify the models by aid of visual inspection. Stationarity tests were conducted using the augmented Dickey–Fuller (ADF), Mann–Kendall (MK) and Kwiatkowski–Phillips–Schmidt–Shin (KPSS) tests respectively. The chosen models were evaluated and validated using the Akaike information criterion corrected (AICC) and also Schwartz Bayesian criteria (SBC). The diagnostic analysis of the models comprised of the independence, normality, homoscedascity, P–P and Q–Q plots of the residuals respectively. The best ARIMA model for rainfall for Kpetoe and Tordzinu were (3, 0, 3) and (3, 1, 3) with AICC values of 190.07 and 178.23. That of maximum temperature for Kpetoe and Tordzinu were (3, 1, 3) and (3, 1, 3) and the corresponding AICC values of 23.81 and 36.10. The models efficiency was checked using sum of square error (SSE), mean square error (MSE), mean absolute percent error (MAPE) and root mean square error (RMSE) respectively. The results of the various analysis indicated that the models were adequate and can aid future water planning projections.
Prognozowanie opadu i temperatury jest trudnym zadaniem z powodu zmienności tych parametrów w czasie i przestrzeni, a także nieznajomości wszystkich czynników wpływających na opady w regionie czy w danej miejscowości. Prognozowanie opadów jest ważne dla rolnictwa i gospodarki zlewniowej, mających znaczący wkład w gospodarkę regionu. Przewidywanie opadu wymaga modelowania matematycznego i symulacji z powodu jego skrajnie nieregularnego i złożonego charakteru. Do analizy i prognozowania rocznych opadów i maksymalnej temperatury w zlewni Tordzie wykorzystano autoregresyjny zintegrowany model średniej ruchomej (ARIMA). Do zidentyfikowania modeli metodą oglądu wizualnego użyto funkcji autokorelacji (ACF) i cząstkowej autokorelacji (PACF). Testy stacjonarności przeprowadzono za pomocą testów Dickeya–Fullera (ADF), Manna–Kendalla (MK) i Kwiatkowskiego–Phillipsa–Schmidta–Shina (KPSS). Wybrane modele poddano ocenie i walidacji z użyciem skorygowanego kryterium Akaike (AICC) i Bayesowskiego kryterium Schwartza (SBC). Diagnostyczna analiza modeli obejmowała niezależność, normalność, homoscedastyczność, wykresy P–P i Q–Q dla reszt. Najlepsze modele ARIMA dla opadu w Kpetoe i Tordzinu miały postać (3, 0, 3) i (3, 1, 3), gdy wartości AICC równe odpowiednio 190,07 i 178,23. Modele dla maksymalnej temperatury w Kpetoe i Tordzinu miały postać (3, 1, 3) i (3, 1, 3), a ich odpowiednie wartości AICC wynosiły 23,81 i 36,10. Wydajność modelu sprawdzano, wykorzystując sumę błędu kwadratowego (SSE), średni błąd kwadratowy (MSE), średni bezwzględny błąd procentowy (MAPE) i pierwiastek ze średniego błędu kwadratowego (RMSE). Wyniki różnych analiz wykazały, że modele są odpowiednie i mogą stanowić pomoc w przyszłej gospodarce wodnej.
Źródło:
Journal of Water and Land Development; 2018, 37; 127-140
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Best Time Series In-sample Model for Forecasting Nigeria Exchange Rate
Autorzy:
Gaddafi, Adamu Babali
Akpensuen, Shiaondo Henry
Shitu, Abdulrazaq Ahmed
Malle, Ahmad Atiku
Adamu, Muhammed
Bukar, Muhammad Goni
Powiązania:
https://bibliotekanauki.pl/articles/1031300.pdf
Data publikacji:
2021
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
ARIMA
Autoregressive Integrated Moving Average Model
Autoregressive Moving Average Model
Autoregressive models
Box-Jenkins Methodology
CBN
Exchange rate
Model
Moving Average Models
Nigeria
Opis:
In this work we considered data on official Nigeria exchange rates (Naira to British Pound sterling) from January 2003 to December 2019. Four competing models ARIMA (1, 1, 1), ARIMA (2, 1, 1), ARIMA (1, 1, 0) and ARIMA (1, 1, 2) were identified for the exchange rates series. Diagnostic analysis revealed that all the competing models adequately represent the exchange rate series. However, on the basis of out-of-sample model selection and evaluation ARIMA (1, 1, 1) was selected as the optimal model with minimum information criteria for the exchange rate series. A 24 months forecast indicates that the Naira will continue to depreciate. The policy implication of our study is that the Central Bank of Nigeria (CBN), should devalue the Naira in order to not only re-establish exchange rate stability but also encourage local manufacturing and encourage foreign capital inflows.
Źródło:
World Scientific News; 2021, 151; 45-63
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-5 z 5

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies