{ "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" ] } ] }