查詢結果分析
來源資料
相關文獻
- 類神經網路之預測與信賴區間之建構--以臺北市失業率為例
- Time Series Forecasting of Kaohsiung Unemployment Rate Using Neural Network Model
- 臺北市失業率之預測--模糊時間序列之應用
- 結合模糊時間序列與Box-Jenkins 模式在臺北市失業率預測上之應用
- 類神經網路之預測--以臺灣地區積體電路產量為例
- A Prediction-Based Recurrent Neural Fuzzy Network for Temporal Sequence Recognition
- 整合時間序列資料與總體經濟變數於失業率預測之應用
- 門市管理銷售預測模式建構
- 結合獨立成份分析與類神經網路於財務時間序列預測模式之建構
- 支援向量機與支援向量迴歸於財務時間序列預測之應用
頁籤選單縮合
題 名 | 類神經網路之預測與信賴區間之建構--以臺北市失業率為例=Applying Neural Networks to Predict and Construct Confidence Intervals: A Case Study of Taipei Unemployment Rate |
---|---|
作 者 | 李天行; 邱志洲; 江政益; | 書刊名 | 人力資源學報 |
卷 期 | 9 1998.05[民87.05] |
頁 次 | 頁153-168 |
分類號 | 542.71 |
關鍵詞 | 時間序列; 類神經網路; 失業率; 預測; 信賴區間; Backpropagation neural network; Time series analysis; ARIMA; Unemployment rate; Forecasting; Confidence interval; |
語 文 | 中文(Chinese) |
中文摘要 | 預測技術在各領域皆扮演相當重要的角色,而精確的測預結果則可以提供決策者更多的資訊,有利於做出正確的決策。由於類神經網路模式在預測時可排除傳統統計方法建立模型時強烈假設的缺點,應用範圍也較其他方法更為廣泛,因而在預測領域中逐漸被重視與應用。然而類神經網路模式僅能提供點估計值而缺乏預測值信賴區間的估計,則大大的限制了該模式的實用性。 失業率是勞動市場的重要指標,亦是政府在制定相關決策時的重要依據,若能精確的預測失業率,對於決策者將會有很大的幫助。因此,本文嘗試利用倒傳遞類神經網路模式針對臺北市失業率資料進行預測;並針對無法建立預測值信賴區間的缺點,應用 ARIMA 分析技術輔助建立信賴區間。期望能提供另一種預測的方法,並使得預測的結果更趨於完整,提供給決策者更多有用的資訊。 |
英文摘要 | Neural networks has played a more and more important role in the area of forecasting since it doesn't require strong model assumption like ordinary statistical forecasting techniques. However, the lack of interval estimation has limited the appicability of neural networks. We therefore propose a system in integrating the ARIMA and neural networks to provide confidence interval estimation. In terms of the adapting of the Box-Jenkins method, the prediction interval of the system can be successfully constructed. To demonstrate the effectiveness of our propose method, the Taipei monthly unemployment rate from Jan. 1982 to Oct. 1996 was evaluated using a neural networks model with Box-Jenkins technique. The results show that our proposed method can provide a better forecasting in terms of MAE, and MAPE. |
本系統中英文摘要資訊取自各篇刊載內容。