TBATS — Тригонометрично експоненциално изглаждане за комплексна сезонност
TBATS е иновативен модел за прогнозиране в пространство на състоянията, въведен от De Livera, Hyndman и Snyder (2011), който комбинира трансформация на Box-Cox, ARMA грешки и тригонометрични (Фурие) сезонни членове. Той е създаден да обработва непрекъснати времеви редове с няколко вложени сезонни цикъла едновременно — например, почасови данни, които също се повтарят ежедневно, седмично и годишно.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- De Livera, A. M., Hyndman, R. J. & Snyder, R. D. (2011). Forecasting Time Series with Complex Seasonal Patterns Using Exponential Smoothing. Journal of the American Statistical Association, 106(496), 1513-1527. DOI: 10.1198/jasa.2011.tm09771 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/bg/econometrics/tbats
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Модел ARIMA (Autoregressive Integrated Moving Average)Иконометрия↔ compare
- Сезонен ARIMA (SARIMA)Иконометрия↔ compare
- STL разлагане: Разлагане на сезонност и тренд чрез LoessИконометрия↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →