A Combined Forecast Method Integrating Contextual Knowledge
A Combined Forecast Method Integrating Contextual Knowledge
复制标题
整合情境知识的组合预测方法
DOI：
10.4018/jkss.2011100104
复制
发表时间：
2011-10
期刊：
影响因子：
--
通讯作者：
S Wang
中科院分区：
文献类型：
--
作者：
A Huang;肖进;S Wang
在TEI@ I方法论框架下，提出了一种融合情境知识的组合预测方法CFMIK。该方法借助上下文知识，考虑了预测模型中不能显式包含的因素的影响，有效地减少了非规则事件带来的预测误差。通过一个集装箱吞吐量预测案例，比较了CFMIK、AFTER组合预测方法和ARIMA、BP-ANN、指数平滑3种单一模型的预测效果。结果表明，CFMIK的性能优于其他几种算法。
In the framework of TEI@ I methodology, this paper proposes a combined forecast method integrating contextual knowledge (CFMIK). With the help of contextual knowledge, this method considers the effects of those factors that cannot be explicitly included in the forecast model, and thus it can efficiently decrease the forecast error resulted from the irregular events. Through a container throughput forecast case, this paper compares the performance of CFMIK, AFTER (a combined forecast method) and 3 types of single models (ARIMA, BP-ANN, exponential smoothing). The results show that the performance of CFMIK is better than that of the others.
登录
查看更多内容
DOI：
10.1109/64.331477
发表时间：
1994-10
期刊：
IEEE Expert
影响因子：
--
作者：
H. Hirsh;M. Noordewier
通讯作者：
H. Hirsh;M. Noordewier
DOI：
--
发表时间：
1997
期刊：
--
影响因子：
--
作者：
R. Bhansali
通讯作者：
R. Bhansali
DOI：
10.1609/aimag.v17i3.1230
发表时间：
1996-03
期刊：
AI Mag.
影响因子：
--
作者：
U. Fayyad;G. Piatetsky-Shapiro;Padhraic Smyth
通讯作者：
U. Fayyad;G. Piatetsky-Shapiro;Padhraic Smyth
DOI：
10.2307/2988198
发表时间：
1978-12
期刊：
The Statistician
影响因子：
--
作者：
G. Box;G. Jenkins;G. Reinsel;G. Ljung
通讯作者：
G. Box;G. Jenkins;G. Reinsel;G. Ljung
DOI：
10.1006/ijhc.1999.0281
发表时间：
1999-09
期刊：
Int. J. Hum. Comput. Stud.
影响因子：
--
作者：
R. Dieng;O. Corby;A. Giboin;Myriam Ribière
通讯作者：
R. Dieng;O. Corby;A. Giboin;Myriam Ribière