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 "hierarchical time series" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Forecasting of a Hierarchical Functional Time Series on Example of Macromodel for the Day and Night Air Pollution in Silesia Region — A Critical Overview
    Autorzy:
    Kosiorowski, Daniel
    Mielczarek, Dominik
    Rydlewski, Jerzy P.
    Powiązania:
    https://bibliotekanauki.pl/articles/2076274.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    day and night air pollution
    functional data analysis
    functionalmedian
    hierarchical time series
    reconciliation of forecasts
    Opis:
    In economics we often face a system which intrinsically imposes a structure of hierarchy of its components, i.e., in modeling trade accounts related to foreign exchange or in optimization of regional air protection policy. A problem of reconciliation of forecasts obtained on different levels of hierarchy has been addressed in the statistical and econometric literature many times and concerns bringing together forecasts obtained independently at different levels of hierarchy. This paper deals with this issue with regard to a hierarchical functional time series. We present and critically discuss a state of art and indicate opportunities of an application of these methods to a certain environment protection problem. We critically compare the best predictor known from the literature with our own original proposal. Within the paper we study a macromodel describing the day and night air pollution in Silesia region divided into five subregions.
    Źródło:
    Central European Journal of Economic Modelling and Econometrics; 2018, 1; 53-73
    2080-0886
    2080-119X
    Pojawia się w:
    Central European Journal of Economic Modelling and Econometrics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modele hierarchiczne w prognozowaniu zmiennych o wysokiej częstotliwości obserwowania w warunkach braku pełnej informacji
    Hierarchical models in forecasting of the high-frequency variables in the conditions of lack of full information
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/425235.pdf
    Data publikacji:
    2014
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    high-frequency data
    hierarchical models
    incomplete time series
    Opis:
    The paper presents a procedure of application of regular hierarchical models in forecasting missing data in high-frequency time series with cyclical fluctuations. Annual, weekly and daily cycles of seasonal fluctuation have additive character. Separately regular hierarchical models have been built for even length cycles.Theoretical considerations are illustrated with an empirical example.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2014, 4(46); 72-84
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Intelligent financial time series forecasting: A complex neuro-fuzzy approach with multi-swarm intelligence
    Autorzy:
    Li, C.
    Chiang, T. W.
    Powiązania:
    https://bibliotekanauki.pl/articles/331280.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    zbiór rozmyty
    system neuronowo-rozmyty
    optymalizacja rojem cząstek
    szereg czasowy
    complex fuzzy set
    complex neuro fuzzy system
    hierarchical multi swarm
    particle swarm optimization (PSO)
    recursive least squares estimator
    time series forecasting
    Opis:
    Financial investors often face an urgent need to predict the future. Accurate forecasting may allow investors to be aware of changes in financial markets in the future, so that they can reduce the risk of investment. In this paper, we present an intelligent computing paradigm, called the Complex Neuro-Fuzzy System (CNFS), applied to the problem of financial time series forecasting. The CNFS is an adaptive system, which is designed using Complex Fuzzy Sets (CFSs) whose membership functions are complex-valued and characterized within the unit disc of the complex plane. The application of CFSs to the CNFS can augment the adaptive capability of nonlinear functional mapping, which is valuable for nonlinear forecasting. Moreover, to optimize the CNFS for accurate forecasting, we devised a new hybrid learning method, called the HMSPSO-RLSE, which integrates in a hybrid way the so-called Hierarchical Multi-Swarm PSO (HMSPSO) and the well known Recursive Least Squares Estimator (RLSE). Three examples of financial time series are used to test the proposed approach, whose experimental results outperform those of other methods.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 787-800
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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