Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: periodic trends method

Sortuj według:

Ogranicz wyniki do:

An assignation and comparison of the prognosis results of paid-in-term receivables in opencast mine "X" via autoregressive model and periodic trends method

Trzaskuś-Żak B.

AGH Journal of Mining and Geoengineering

2012

Vol. 36, no. 3

353-366

The article presents stages of development of three forecasting models based on two methods: an autoregressive method and a periodic trends method. Both in the autoregressive model and in the method of periodic trends (in the second analysis) an intervention causing a drop of production and sales due to modernisation of the production line was taken into account. Besides, an average forecast was also prepared on the basis of the three obtained models. Furthermore, an ex post mean squared forecast error (ex post-MSE) was calculated and then its root, that is RMSE (root mean square error) as well as ex post-MAPE (mean absolute percentage error) for the established forecast. According to the results model I has the lowest forecast error values (RMSE, MAPE).

Artykuł przedstawia etapy budowy trzech modeli prognostycznych w oparciu o dwie metody: model autoregresyjny i metodę trendów jednoimiennych okresów. Zarówno w modelu autoregresyjnym, jak również w metodzie trendów jednoimiennych okresów (w drugim ujęciu) uwzględniono interwencję wywołującą spadek produkcji i sprzedaży, ze względu na modernizację linii produkcyjnej. Sporządzono również średnią prognozę na podstawie trzech otrzymanych modeli. Obliczono, średni kwadratowy błąd prognoz ex post-MSE (mean squared error), a następnie jego pierwiastek, czyli RMSE (root mean square error), jak również średni absolutny błąd procentowy ex post-MAPE (mean absolute percentage error) dla wyznaczonych prognoz w trzech skonstruowanych modelach prognostycznych. Wyniki obliczeń wskazują, że model I cechują najmniejsze wartości błędów prognozy (RMSE, MAPE).