کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6869326 681354 2016 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Fast computation of reconciled forecasts for hierarchical and grouped time series
ترجمه فارسی عنوان
محاسبه سریع پیش بینی های منطبق بر سری زمانی سلسله مراتبی و گروه بندی شده
کلمات کلیدی
ترکیب پیش بینی ها، سری زمانی گروه بندی شده، سری زمانی سلسله مراتبی، تصویب پیش بینی ها، حداقل مربعات وزنی،
ترجمه چکیده
نشان داده شده که رویکرد کمترین مربعات برای تطبیق پیش بینی های سری زمانی سلسله مراتبی می تواند به مجموعه های بسیار بیشتر مجموعه ای از مجموعه های زمانی با محدودیت های تجمعی گسترش یابد. محدودیت ها به علت نیاز به پیش بینی مجموعه مجموعه های زمانی بوجود می آیند که به همان ترتیب به صورت سری زمانی مشاهده می شوند. همچنین نشان داده شده است که محاسبات درگیر می تواند با بهره برداری از ساختار ماتریس طراحی مرتبط یا با استفاده از روال های ماتریس مبهم کارآمد انجام شود. الگوریتم های پیشنهادی پیش بینی آشتی را در برنامه های کسب و کار امکان پذیر می سازد که شامل تعداد بسیار زیادی سری زمانی می باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
It is shown that the least squares approach to reconciling hierarchical time series forecasts can be extended to much more general collections of time series with aggregation constraints. The constraints arise due to the need for forecasts of collections of time series to add up in the same way as the observed time series. It is also shown that the computations involved can be handled efficiently by exploiting the structure of the associated design matrix, or by using sparse matrix routines. The proposed algorithms make forecast reconciliation feasible in business applications involving very large numbers of time series.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 97, May 2016, Pages 16-32
نویسندگان
, , ,