Time Series Forecasting Using Artificial Neural Network

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26510%2F15%3APU114719" target="_blank" >RIV/00216305:26510/15:PU114719 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Time Series Forecasting Using Artificial Neural Network

Popis výsledku v původním jazyce

The paper aims to verify the ability of artificial neural networks to model and predict time series with seasonal and trend pattern. In this study the effectiveness of data preprocessing and time series analysis is examined, especially deseasonalizationand detrending as a basis for further neural network modelling and forecasting. In this paper it is proved that using deseasonalization as data preprocessing method, the best neural network performance is reached with respect to smallest Mean Squared Error showing the difference between outputs and targets. In general the research shows that prior data preprocessing enhances preciseness of further neural network prediction.

Název v anglickém jazyce

Time Series Forecasting Using Artificial Neural Network

Popis výsledku anglicky

The paper aims to verify the ability of artificial neural networks to model and predict time series with seasonal and trend pattern. In this study the effectiveness of data preprocessing and time series analysis is examined, especially deseasonalizationand detrending as a basis for further neural network modelling and forecasting. In this paper it is proved that using deseasonalization as data preprocessing method, the best neural network performance is reached with respect to smallest Mean Squared Error showing the difference between outputs and targets. In general the research shows that prior data preprocessing enhances preciseness of further neural network prediction.

Druh

D - Stať ve sborníku

CEP obor

AE - Řízení, správa a administrativa

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 25th International Business Information Management Association Conference

ISBN

978-0-9860419-4-5

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

527-535

Název nakladatele

International Business Information Management Association (IBIMA)

Místo vydání

Amsterdam

Místo konání akce

Amsterdam

Datum konání akce

7. 5. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000360508700049