TBATS — Τριγωνομετρική Εκθετική Εξομάλυνση για Σύνθετη Εποχικότητα
Το TBATS είναι ένα μοντέλο πρόβλεψης χώρου καταστάσεων καινοτομιών, που εισήχθη από τους De Livera, Hyndman και Snyder (2011), το οποίο συνδυάζει έναν μετασχηματισμό Box-Cox, σφάλματα ARMA και τριγωνομετρικούς (Fourier) εποχικούς όρους. Έχει σχεδιαστεί για να χειρίζεται συνεχείς χρονοσειρές με πολλούς εμφωλευμένους εποχικούς κύκλους ταυτόχρονα — για παράδειγμα ωριαία δεδομένα που επαναλαμβάνονται επίσης καθημερινά, εβδομαδιαία και ετησίως.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/el/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.
- Μοντέλο ARIMA (Autoregressive Integrated Moving Average)Οικονομετρία↔ compare
- SARIMA (Seasonal ARIMA)Οικονομετρία↔ compare
- Αποσύνθεση STL: Αποσύνθεση Εποχικότητας-Τάσης με χρήση LoessΟικονομετρία↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →