首页> 外文OA文献 >Demand Forecasting Intermittent and Lumpy Time Series: Comparing Statistical, Machine Learning and Deep Learning Methods

【2h】

Demand Forecasting Intermittent and Lumpy Time Series: Comparing Statistical, Machine Learning and Deep Learning Methods

机译：需求预测间歇性和拉力时间序列：比较统计，机器学习和深度学习方法

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Daniel Kiefer; Florian Grimm; Markus Bauer; Dinther Van;
展开▼
作者单位

展开▼
年度 2021
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Forecasting urban household water demand with statistical and machine learning methods using large space-time data: A Comparative study [J] . Duerr Isaac, Merrill Hunter R., Wang Chuan, Environmental Modelling & Software . 2018,第APRa期

机译：使用大时空数据的统计和机器学习方法预测城市家庭用水需求：比较研究
2. A sequential learning method with Kalman filter and extreme learning machine for regression and time series forecasting [J] . Nobrega Jarley P., Oliveira Adriano L. I. Neurocomputing . 2019,第APRa14期

机译：带有卡尔曼滤波和极限学习机的顺序学习方法用于回归和时间序列预测
3. A sequential learning method with Kalman filter and extreme learning machine for regression and time series forecasting [J] . Nobrega Jarley P., Oliveira Adriano L. I. Neurocomputing . 2019,第Apra14期

机译：具有卡尔曼滤波器和极端学习机的顺序学习方法，用于回归和时间序列预测
4. Water Demand Forecasting Using Machine Learning and Time Series Algorithms [C] . Tarek Ibrahim, Yasser Omar, Fahima A. Maghraby International Conference on Emerging Smart Computing and Informatics . 2020

机译：使用机器学习和时间序列算法的需水量预测
5. Multivariate Time Series Pattern Recognition Using Machine Learning and Deep Learning Methods [D] . Devar, Sai Abhishek Abhishek. 2019

机译：多变量时间序列模式识别使用机器学习和深度学习方法
6. A unified machine learning approach to time series forecasting applied to demand at emergency departments [O] . Michaela A.C. Vollmer, Ben Glampson, Thomas Mellan, 2021

机译：统一的机器学习方法时间序列预测适用于急诊部门的需求
7. Reply to “Comments on ‘Comparing Area Probability Forecasts of (Extreme) Local Precipitation Using Parametric and Machine Learning Statistical Postprocessing Methods”’ [O] . Kirien Whan, Maurice Schmeits 2019

机译：回复“关于”比较（极端）局部降水的比较概率预测使用参数和机器学习统计后处理方法“''

Demand Forecasting Intermittent and Lumpy Time Series: Comparing Statistical, Machine Learning and Deep Learning Methods

著录项

引文网络

相似文献

相关主题

期刊订阅