查詢結果分析
來源資料
相關文獻
- 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
- Forecasting Enrollments with Fuzzy Time Series Using an Adaptive Partition
- 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
- Learning to Predict Temperature and Time-Series by Using Neural Fuzzy Systems
- Study for High-Order Models of Fuzzy Time Series
- 應用時間序列法及模糊系統法於短期負載預測
- 有限相空間模糊近傍差分法之混沌預測:以短期交通量預測為例
- 混合複數類神經模糊與自動回歸差分平均移動方法之智慧型時間序列預測模型
頁籤選單縮合
題 名 | 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=Combining Fuzzy Time Series Approach with Box-Jenkins Methodology for Unemployment Rate Prediction in Taipei |
---|---|
作 者 | 邱志洲; 李天行; 林凡群; | 書刊名 | 臺大管理論叢 |
卷 期 | 9:2 1999.03[民88.03] |
頁 次 | 頁193-217 |
分類號 | 542.71 |
關鍵詞 | 時間序列; 預測; 失業率; 模糊; 人力資源; Fuzzy time series; Unemployment rate; Time series analysis; Model basis; |
語 文 | 中文(Chinese) |
中文摘要 | 預測技術一直是決策者在決策過程中不可或缺的重要工具,且精確的預測結果可以提供決策者更多的資訊,有利於做出正確的決策與適當的反應。傳統的預測方法可以處理一般問題,但其預測模式常需要較嚴格的基本假設,使得預測模式的建構較為困難;而模糊時問序列模式並不需要強烈的基本假設,使得預測模式的建構更為簡單,也提供決策者更多的選擇。然而模糊時間序列模式僅有點估計值而缺乏區間的估計,使得決策者使用模式時,無法衡量預測值的可信度,大大的降低了預測模式的有效性。 失業率是勞動市場的重要指標之一,它能提供許多有關人力資源管理的資訊和政府決策的重要依據。因此,若能精確的預測失業率,對於決策者將會有很大的幫助。在本文中,嘗試先利用模糊時間序列模式根據台灣地區台北市自民國72年1月至民國85年10月間之月失業率進行預測,再針對預測後所得之殘差,以ARIMA分析的技術輔助建立信賴區間,希望能提供決策者一種新的預測方法,並使得傳統模糊時間序列預測模式在加上信賴區間的估計後,預測的結果更趨於完整,提供給使用者更多有用的判斷訊息。 |
英文摘要 | This study presents a novel semiparametric prediction system for the Taipei’s unemployment rate series. The prediction method incorporated into the system consists of a fuzzy time series model that estimates the trend, as well as a Box-Jenkins prediction of the residual series. In terms of the adaptability of the Box-Jenkins method, the prediction intervals of the system can be successfully constructed. The extensive studies are performed on the robustness of the built fuzzy model using different specified model basis. To demonstrate the effectiveness of our proposed method, the Taipei’s monthly unemployment rate from Feb. 1983 to October 1996 was evaluated using a fuzzy time series model with the Box-Jenkins time series technique. Analysis results demonstrate that the proposed method outperforms than the traditional fuzzy time series method. |
本系統中英文摘要資訊取自各篇刊載內容。