کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10492993 940288 2015 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improving forecasts for noisy geographic time series
ترجمه فارسی عنوان
بهبود پیش بینی ها برای سری های پر سر و صدا جغرافیایی
ترجمه چکیده
در این مطالعه عملکرد چندین روش پیش بینی ساده بالا برای پیش بینی سری های جالب و جالب برای عملکرد سه روش که برای این مسئله بیشتر مورد استفاده قرار می گیرد، روش های ساده و ساده، جنکینز) مدل های کلاس. مشکل تولید پیش بینی های سرقت در هفته در سطح پایتخت و گشت زنی در شهر پیتزبورگ طی یک دوره پنج ساله، مطالعه موردی برای مقایسه عملکرد را فراهم می کند. همه روش های پیش بینی از بالا به پایین، عملکرد پیش بینی را بهبود می بخشد در حالی که به طور قابل توجهی کاهش حجم کار مدل سازی را کاهش می دهد. این نتایج نشان می دهد که مدل های پیش بینی ساده بالا به پایین می تواند یک روش کلی برای بهبود پیش بینی برای سری های پر سر و صدا جغرافیایی در بسیاری از برنامه های کاربردی فراهم کند.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
This study compares the performance of several simple top-down forecasting methods for forecasting noisy geographic time series to the performance of the three methods most commonly used for this problem: naive methods, Holt-Winters (exponential) smoothing, and the ARIMA (Box-Jenkins) class of models. The problem of producing weekly burglary forecasts at the precinct and patrol sector level in the city of Pittsburgh over a five-year period provides a case study for performance comparison. All top-down forecasting methods improve forecasting performance while significantly reducing the modeling workload. These results suggest that simple top-down forecasting models may provide a general-purpose method for improving forecasting for noisy geographic time series in many applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Business Research - Volume 68, Issue 8, August 2015, Pages 1810-1818
نویسندگان
, , ,