Manage. Sch., Shanghai Univ., Shanghai, China;
customer services; learning (artificial intelligence); regression analysis; support vector machines; SVR; customer demand forecasting; machine learning; moving time window method; support vector regression; Forecasting; moving time window;
机译:使用因果关系,时间序列和神经网络方法进行Carsharing客户需求预测:案例研究
机译:基于混合进化的RBF网络预测时间序列的新方法:以应急供应需求时间序列预测为例
机译:使用混合时间序列SARIMA-SVR方法预测航空业的需求
机译:基于移动时间窗口方法的基于SVR的客户需求预测
机译:利用人工神经网络进行时间序列预测的加权窗口方法。
机译:基于Arima和自适应滤波法的混合模型医疗服务需求预测
机译:基于GRNN神经网络和sVR机器的电力需求预测混合预测方法