比較季節性時間序列預測模型－臺灣地區能源消費之實證研究

淡江大學機構典藏 > 理學院 > 應用數學與數據科學學系 > 學位論文 > Item 987654321/32905

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/32905

题名:	比較季節性時間序列預測模型－臺灣地區能源消費之實證研究
其它题名:	A comparison of seasonal time series models for forecasting the energy consumption in Taiwan
作者:	黃千珊;Huang, Chian-shan
贡献者:	淡江大學數學學系碩士班伍志祥;Wu, Jyh-shyang
关键词:	時間序列;能源;能源消費量;Time series;Energy;energy consumption
日期:	2008
上传时间:	2010-01-11 02:57:12 (UTC+8)
摘要:	近年來，全球能源價格節節上升，需求量及消費量大增，由鑑於此，本文將針對台灣地區能源消費量進行預測，希望能掌握未來消費量趨勢，所以將採用四種預測模型，分別為季節性整合自我迴歸移動平均模型(SARIMA)、季節性時間數列迴歸模型(RMTSE)及倒傳遞類神經網路(BPN)，第四種模型將混和SARIMA與BPN(SARIMABP)，並探討此混和性模型是否能改善其預測結果。研究結果發現，當時間序列之資料圖形震盪較為明顯採用BPN能得到較好預測，反之，資料圖形震盪較為平穩，則採用SARIMA能得到較好預測，且採用混合性模型更能改善預測誤差。 Recently, the energy price keeps increasing.Both the demand and the consumption are on the rise.Due to these scenarios,this essay will try to predict the energy consumption in Taiwan,hoping to get a better grasp of the future trend.We will use the following four models for prediction,and they are Seasonal Autoregressive Integrated Moving Average Models(SARIMA),Regression Models with Time Series Errors (RMTSE),Back-propagation Network(BPN),and hybrid SARIMA and BPN(SARIMABP).The findings discovered that,at that time series of graph the sequence shook obviously uses BPN to be able to obtain a better forecast,otherwise,the graph shook steadily, used SARIMA to be able to obtain a better forecast,and adopt the mixing model to be able to improve the forecast error.
显示于类别:	[應用數學與數據科學學系] 學位論文

文件中的档案:

档案	大小	格式	浏览次数
	0Kb	Unknown	294	检视/开启

在機構典藏中所有的数据项都受到原著作权保护.

TAIR相关文章

数据加载中.....