Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2013

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

To predict military spending in China based on ARIMA and artificial neural networks models

Kuo K.-C., Chang C.-Y., Lin W.-C.

Przegląd Elektrotechniczny

2013

R. 89, nr 3b

176--181

This study takes the initiative to forecast China’s military spending based on autoregressive integrated moving average (ARIMA) models and artificial neural networks (ANNs) models. The mean absolute percentage error (MAPE) approach is applied to measure prediction accuracy. The results indicate that these single variable ARIMA models show higher accuracy and stability than those made by the single variable ANNs models across the four time periods, namely the short term (1 year), the medium term (3 years), the medium-long term (5 years), and the long term (10 years). As to multiple variable ANNs models, the prediction accuracy of each model with different variables has advantages in different time periods. The highest accuracy for the long term predictions among all of the multivariate models is made by ANN2 including China’s military spending and GDP. ANN3 including variables of China’s military spending, GDP, and inflation rates illustrates the most accurate prediction for the short term and medium-long term, while ANN4 including China’s military spending, GDP, inflation rates, and Taiwan’s military spending shows the highest accuracy for the medium term prediction. This concludes the contributions of this study.

W artykule przedstawiono wyniki analizy dotyczącej przewidywanych wydatków Chin na militaria, opracowanej na podstawie modelu autoregresji (ang. ARIMA) oraz sztucznych sieci neuronowych (ANN). Dokładność predykcji oparta została na funkcji średniej wartości absolutnej procentowego uchybu. Badania wykazują, że model ARIMA ma wyższą dokładność i stabilność niż model oparty na ANN w odniesieniu do czterech, różnych okresów (1, 3, 5, 10 lat), przy czym dla ANN badanie wykonano dla czterech wartości dokładności predykcji.