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