《表4 对比结果：基于时间序列的商品需求预测模型研究》
提示：宽带有限、当前游客访问压缩模式
使用ARMA＿BIC模型与ARMA＿MPGA模型对上述11种商品预测值的均方根误差（RMSE）、平均相对误差（MAPE）进行对比，得到的对比结果如表4所示。
| 图表编号 | XD0084302500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.15 |
| 作者 | 郑琰、黄兴、肖玉杰 |
| 绘制单位 | 南京林业大学汽车与交通工程学院、南京林业大学汽车与交通工程学院、南京财经大学营销与物流管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 模型评估结果对比：基于朴素贝叶斯算法的~*ST企业财务状况预测研究》2020.08.28
- 《表4 合约商品信息：基于故障时间数据下数控机床的故障模型研究》2020.12.20
- 《表3 模型预测效果对比：基于LSTM网络的盗窃犯罪时间序列预测研究》2020.11.25
- 《表4 预测精度对比：基于ARIMA模型的变压器油中溶解气体含量时间序列预测方法》2020.03.10
- 《表4 对比实验结果：基于时空相关属性模型的公交到站时间预测算法》2020.03.01
- 《表3 样本对比计算表：基于灰度模型的商品住宅价格分析与预测研究——以安徽合肥市为例》2020.05.01
- 《表2 对比分析结果：基于灰度模型的商品住宅价格分析与预测研究——以安徽合肥市为例》2020.05.01
- 《表4 房产均价：基于灰度模型的商品住宅价格分析与预测研究——以安徽合肥市为例》2020.05.01
- 《表3 单位根检验结果：基于ARIMA时间序列模型的中国塑料制品产量预测研究》2020.03.25
- 《表4 预测结果对比表：基于PSO-SVM的安全投入预测模型研究》2020.02.25
- 《表1 预测结果对比：基于时间序列分解与支持向量回归的短期电力能耗预测研究》2019.08.20
- 《表4 单位根检验信息：基于时间序列与BP-ANN的短时交通流速度预测模型研究》2019.11.01
- 《表1 模型预测结果对比：基于大数据的“四困生”预测研究》2019.09.01
- 《表4 时间块划分：基于集成学习的公交车辆到站时间预测模型研究》2019.10.15
- 《表4 时间块划分：基于集成学习的公交车辆到站时间预测模型研究》2019.10.15
- 《表1 模型识别：基于时间序列的商品需求预测模型研究》2019.09.15
- 《表1 ADF检验结果：基于SARIMA模型的二氧化氮时间序列预测研究》2019.06.01
- 《表2 模型检验结果：基于SARIMA模型的二氧化氮时间序列预测研究》2019.06.01
- 《表3 新兴主题预测结果：基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化研究》2019.01.30
- 《表5 预测结果对比：基于ARIMA模型的机场航班延误预测技术研究》2018.05.25