TBATS — Trigonometriskā eksponenciālā izlīdzināšana sarežģītai sezonalitātei
TBATS ir inovāciju stāvokļa telpas prognozēšanas modelis, ko ieviesa De Livera, Haidmens un Snaiders (2011), un kas apvieno Boksa-Koksas transformāciju, ARMA kļūdas un trigonometriskus (Furjē) sezonālos locekļus. Tas ir izveidots, lai apstrādātu nepārtrauktas laika rindas ar vairākiem vienlaicīgiem ligzdotiem sezonālajiem cikliem — piemēram, stundas datus, kas atkārtojas arī dienas, nedēļas un gada griezumā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/lv/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.
- ARIMA (autoregresīvais integrētais slīdošā vidējā) modelisEkonometrija↔ compare
- SARIMA (Seasonālais ARIMA)Ekonometrija↔ compare
- STL sadalīšana: Sezonālās-trendu sadalīšana, izmantojot LoessEkonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →