{
"metadata": {
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": 3
},
"orig_nbformat": 2
},
"nbformat": 4,
"nbformat_minor": 2,
"cells": [
{
"source": [
"# ការព្យាករណ៍ស៊េរីពេលវេលាមួយជាមួយ ARIMA\n",
"\n",
"នៅក្នុងសៀវភៅកំណត់ត្រានេះ យើងបង្ហាញពីរបៀប៖\n",
"- រៀបចំទិន្នន័យស៊េរីពេលវេលាសម្រាប់បណ្តុះម៉ូឌែលព្យាករណ៍ស៊េរីពេលវេលា ARIMA\n",
"- អនុវត្តម៉ូឌែល ARIMA ងាយៗមួយ ដើម្បីព្យាករណ៍ជំហាន HORIZON បន្ទាប់មុខ (ពេល *t+1* រហូតដល់ *t+HORIZON*) ក្នុងស៊េរីពេលវេលា\n",
"- វាយតំលៃម៉ូឌែល\n",
"\n",
"ទិន្នន័យក្នុងឧទាហរណ៍នេះត្រូវយកពីការប្រកួតព្យាករណ៍ GEFCom20141។ វាមានលេខាខ្ទង់ម៉ោងរបស់ទម្រង់អគ្គិសនីនិងតម្លៃសីតុណ្ហភាពរយៈពេល 3 ឆ្នាំចន្លោះឆ្នាំ 2012 និង 2014។ ភារកិច្ចគឺព្យាករណ៍តម្លៃអនាគតនៃទម្រង់អគ្គិសនី។ ក្នុងឧទាហរណ៍នេះ យើងបង្ហាញពីរបៀបព្យាករណ៍ជំហានពេលវេលាមួយជាមុខ ដោយប្រើទិន្នន័យទម្រង់ចាស់តែប៉ុណ្ណោះ។\n",
"\n",
"1Tao Hong, Pierre Pinson, Shu Fan, Hamidreza Zareipour, Alberto Troccoli and Rob J. Hyndman, \"Probabilistic energy forecasting: Global Energy Forecasting Competition 2014 and beyond\", International Journal of Forecasting, vol.32, no.3, pp 896-913, July-September, 2016.\n"
],
"cell_type": "markdown",
"metadata": {}
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"pip install statsmodels"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"---\n\n\n**ការព្រមាន**: \nឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ទោះបីយើងខិតខំសម្រាប់ភាពត្រឹមត្រូវក៏ដោយ សូមយល់ព្រមថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវបាន។ ឯកសារដើមក្នុងភាសាមូលដ្ឋានគួរត្រូវចាត់ទុកជាប្រភពផ្លូវការជាចម្បង។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែដោយមនុស្សជំនាញគឺត្រូវបានផ្តល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសផ្សេងៗដែលមានកើតឡើងពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។\n\n"
]
}
]
}