Regression model

ETS: هموارسازی نمایی خطا، روند، فصلی

ETS یک چارچوب جامع هموارسازی نمایی است که به طور خودکار ترکیبات جمعی یا ضربی از مؤلفه‌های خطا (E)، روند (T) و فصلی (S) یک سری زمانی را انتخاب می‌کند. این چارچوب که در سال ۲۰۰۸ توسط هایندمن، کوهلر، ارد و اسنایدر به عنوان یک مدل فضای حالت نوآوری‌ها رسمی شد، خانواده روش‌های پیش‌بینی هولت-وینترز را یکپارچه و تعمیم می‌دهد.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Hyndman, R. J., Koehler, A. B., Ord, J. K. & Snyder, R. D. (2008). Forecasting with Exponential Smoothing: The State Space Approach. Springer. DOI: 10.1007/978-3-540-71918-2
  2. Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/fa/econometrics/ets-model

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.

Compare side by side

ارجاع‌شده در

ScholarGateETS Model (Error, Trend, Seasonal (ETS) Exponential Smoothing). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/ets-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026