机构名称：
¥ 3.0
表。1方法的比较方法研究贡献EWA [3]计算很简单且实用，但是它不考虑时间序列的相关性，从而导致预测准确性较低。cnn [18]不需要复杂的推理模型；但是，它不适用于小样本预测，可能会遇到过度拟合的问题。GFM [31]数据集不需要遵循严格的分布序列，但是对于具有较大随机波动的样本序列可能会发生较差的拟合，从而导致较大的预测误差。Markov [44]从概率的角度分析较差的问题是有益的，但可能很难适应大型样本数据集。svm [52]它可以处理具有非线性和高维度的小样本数据集，但是内核函数的选择可能会影响预测结果。arima [64]通过在历史数据之间寻求自相关，可以通过假设它遵循历史趋势来预测未来。但是，这需要序列是固定的。cfa该方法非常适用，并且在处理小样本随机时间序列数据方面具有高预测精度。总而言之，预测方法的选择直接影响准确性
在线研究 @ Cardiff - Orca
主要关键词
相关文件推荐
