Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Forecasting seasonal time series based on fuzzy techniques

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17610%2F19%3AA2001X62" target="_blank" >RIV/61988987:17610/19:A2001X62 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S016501141830678X" target="_blank" >https://www.sciencedirect.com/science/article/pii/S016501141830678X</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.fss.2018.09.010" target="_blank" >10.1016/j.fss.2018.09.010</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Forecasting seasonal time series based on fuzzy techniques

  • Popis výsledku v původním jazyce

    This paper is devoted to a method for the forecasting of seasonal time series. The core of our approach is based on the fuzzy transform and fuzzy natural logic (FNL) techniques. Under the assumption that a time series can be additively decomposed into a trend-cycle, a seasonal component and an irregular fluctuation, the forecasting is a combination of individual forecasting of each of these constituents. More precisely, the trend-cycle and the seasonal component are predicted with the help of fuzzy transform, pattern recognition and fuzzy natural logic techniques. To model the irregular component, we apply the Box-Jenkins approach. In the paper, we compare the suggested method with two other well-known methods, namely STL and ARIMA ones.

  • Název v anglickém jazyce

    Forecasting seasonal time series based on fuzzy techniques

  • Popis výsledku anglicky

    This paper is devoted to a method for the forecasting of seasonal time series. The core of our approach is based on the fuzzy transform and fuzzy natural logic (FNL) techniques. Under the assumption that a time series can be additively decomposed into a trend-cycle, a seasonal component and an irregular fluctuation, the forecasting is a combination of individual forecasting of each of these constituents. More precisely, the trend-cycle and the seasonal component are predicted with the help of fuzzy transform, pattern recognition and fuzzy natural logic techniques. To model the irregular component, we apply the Box-Jenkins approach. In the paper, we compare the suggested method with two other well-known methods, namely STL and ARIMA ones.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10102 - Applied mathematics

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    FUZZY SET SYST

  • ISSN

    0165-0114

  • e-ISSN

  • Svazek periodika

    361

  • Číslo periodika v rámci svazku

    duben

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    16

  • Strana od-do

    114-129

  • Kód UT WoS článku

    000458861200007

  • EID výsledku v databázi Scopus

    2-s2.0-85053929541