Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "quality model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Prognozowanie średniego miesięcznego kursu kupna USD
    Forecast of monthly average buying rate of USD
    Autorzy:
    Halicka, K.
    Godlewska, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/399266.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    prognoza kursu walut
    model Holta
    zmodyfikowane modele metody naiwnej
    jakość prognozy
    exchange rate forecast
    Holt model
    modified models of naive method
    quality of forecasts
    Opis:
    Zasadniczym celem niniejszego artykułu było wyznaczenie prognozy miesięcznego średniego kursu kupna USD. Zrealizowano go, opierając się na szczegółowych badaniach dotyczących analizy porównawczej jakości prognoz wyznaczonych różnymi metodami. Do badania wykorzystano dane od stycznia 2010 do września 2012 roku, pochodzące ze strony internetowej Narodowego Banku Polskiego. Początkowo je przeanalizowano, dokonano dekompozycji analizowanego szeregu czasowego. Następnie wyznaczono prognozę miesięcznego średniego kursu kupna USD, wykorzystując między innymi takie metody, jak zmodyfikowany model metody naiwnej oraz model Holta. Dalej przeprowadzono ocenę jakości otrzymanych prognoz i dokonano rekomendacji zbudowanych modeli prognostycznych.
    The principal aim of the paper was to determine the forecast of monthly average USD buying rate. However, the specific objective of the study was to conduct a comparative analysis of the quality of forecasts obtained with different methods. In the study data from the period from January 2010 to September 2012, from the website of the National Polish Bank were used. First, the data were collected, then the analyzed time series was decomposed. Next, the forecast of monthly average USD buying rate was determined with the usage of such methods as the modified model of naive method and the Holt model. Afterwards the assessment of the quality of the forecasts and recommendations of forecasting models were built.
    Źródło:
    Ekonomia i Zarządzanie; 2013, 5, 1; 19-29
    2080-9646
    Pojawia się w:
    Ekonomia i Zarządzanie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting oil prices
    Prognozowanie cen ropy naftowej
    Autorzy:
    Ejdys, J.
    Halicka, K.
    Winkowski, C.
    Powiązania:
    https://bibliotekanauki.pl/articles/256449.pdf
    Data publikacji:
    2014
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    forecasting
    forecast quality
    price
    crude oil
    Holt-Winters model
    artificial neural networks
    prognozowanie
    jakość prognozy
    cena
    ropa naftowa
    model Holta-Wintersa
    sztuczna sieć neuronowa
    Opis:
    The purpose of this article is the use of artificial intelligence methods and exponential smoothing methods to determine the short-term forecast of BRENT oil prices. Another important objective of the research is to conduct a comparative analysis of the quality of the forecasts and make recommendations concerning the constructed forecasting models. Historical data used in this study came from the London Stock Exchange and covered the period from January 2012 to April 2013. The selection of forecasting models was based on the visual decomposition of the time series. The comparative analysis of the quality of the forecasts was carried out, inter alia, on the basis of such measures as mean error (ME), mean absolute error (MAE), root of mean squared error (RMS), mean relative error (MAPE), and the relative error (APE).
    Celem niniejszego artykułu jest zastosowanie metod sztucznej inteligencji oraz metod wygładzania wykładniczego do wyznaczenia krótkookresowej prognozy ceny ropy naftowej BRENT. Kolejnym istotnym celem badań jest przeprowadzenie analizy porównawczej jakości otrzymanych prognoz i dokonanie rekomendacji zbudowanych modeli prognostycznych. Dane historyczne wykorzystane w niniejszym badaniu pochodziły z giełdy London Stock Exchange i obejmowały okres od stycznia 2012 r. do kwietnia 2013 r. Wyboru modeli prognostycznych dokonano na podstawie wizualnej dekompozycji szeregu czasowego. Analiza porównawcza jakości otrzymanych prognoz została przeprowadzona między innymi na podstawie takich miar jak średni błąd (ME), średni bezwzględny błąd (MAE), pierwiastek ze średniego kwadratowego błędu (RMS), średni względny błąd (MAPE) oraz względny błąd (APE).
    Źródło:
    Problemy Eksploatacji; 2014, 1; 5-13
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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