查詢結果分析
來源資料
相關文獻
- 以單變量ARIMA模式、類神經網路、灰色GM(1,1)模型預測高雄港貨櫃吞吐量
- 單變量ARIMA及類神經網路模式預測香港國際航空站旅客流量
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
- 反傳遞模糊類神經網路於流量推估之應用
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
- C++Fuzzy類神經網路物件導向發展系統之建立
- 臺灣汽保費率之估計--對數線性費率模式與類神經網路之比較
- 運用類神經網路於股價指數之套利--以日經225指數為例
頁籤選單縮合
題名 | 以單變量ARIMA模式、類神經網路、灰色GM(1,1)模型預測高雄港貨櫃吞吐量=Prediction of Container Throughput in Kaohsiung Port Using Univariate ARIMA, Neural Network, and GM (1,1) Models |
---|---|
作者 | 郭英峰; 陳邦誠; | 書刊名 | 臺大管理論叢 |
卷期 | 17:2 2007.06[民96.06] |
頁次 | 頁107-132 |
分類號 | 557.532 |
關鍵詞 | 單變量ARIMA模式; 類神經網路; 灰色GM(1,1)模型; Univariate ARIMA; Neural network; GM (1,1); |
語文 | 中文(Chinese) |
中文摘要 | 貨櫃吞吐量對台灣經濟扮演著舉足輕重的角色,且能帶動國家整體的經濟發展,因此建構未來貨櫃吞吐量需求模型,以提供足夠的資訊,做為政策研擬及港埠發展規劃之用,為當前重要的課題。本研究以單變量ARIMA模式、類神經網路及灰色GM(1,1)模型三種預測模型應用於高雄港貨櫃吞吐量之預測,且透過MAPE、RMSPE與THEIL三種評鑑指標加以評估其效能。研究結果顯示各預測模型均有高度之精準度,其中又以灰色GM(1,1)模型有最佳的適配能力,其次為單變量ARIMA模式,最後為類神經網路。 |
英文摘要 | The container throughput plays an important role in Taiwanese economic and it is able to enhance national economic development. To provide the sufficient information for policy making and development planning of ports, building the future demand model of container throughput is a very important issue. This study uses univariate ARIMA, neural network, and GM (1,1) models to predict the container throughput in Kaohsiung port and uses MAPE, RMSPE and THEIL evaluation index to evaluate their efficacy. The analytical results show the predicting models are with high accuracy. The GM(1,1) model is the best for predicting container throughput, followed by univariate ARIMA and neural network. |
本系統之摘要資訊系依該期刊論文摘要之資訊為主。