Vorhersage des Kokosnussangebots auf der Colombo-Kokosnuss-Auktion: ARIMA-Modellierung
Zeitreihenanalyse
Versandkostenfrei!
Versandfertig in 6-10 Tagen
35,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Frische Kokosnüsse werden auf der von der Coconut Development Authority durchgeführten Colombo-Kokosnuss-Auktion zum Verkauf angeboten. Die vorliegende Studie wurde mit dem Ziel durchgeführt, das Zeitreihenmuster der angebotenen Kokosnussmenge zu ermitteln und das am besten geeignete Modell für die kurz- und langfristige Vorhersage der Colombo-Kokosnussauktion auszuwählen. Die Methoden der Zeitreihenanalyse, d.h. ARIMA, gleitender Durchschnitt, einfaches und doppeltes exponentielles Glätten, wurden verwendet, um die angebotene Kokosnussmenge zu prognostizieren, und die Zeitreihendiagramm...
Frische Kokosnüsse werden auf der von der Coconut Development Authority durchgeführten Colombo-Kokosnuss-Auktion zum Verkauf angeboten. Die vorliegende Studie wurde mit dem Ziel durchgeführt, das Zeitreihenmuster der angebotenen Kokosnussmenge zu ermitteln und das am besten geeignete Modell für die kurz- und langfristige Vorhersage der Colombo-Kokosnussauktion auszuwählen. Die Methoden der Zeitreihenanalyse, d.h. ARIMA, gleitender Durchschnitt, einfaches und doppeltes exponentielles Glätten, wurden verwendet, um die angebotene Kokosnussmenge zu prognostizieren, und die Zeitreihendiagramme wurden verwendet, um die Zeitreihenmuster, wie z.B. saisonal und nicht saisonal, etc. in der angebotenen Kokosnussmenge zu identifizieren. ARIMA (0, 0, 1) (1, 1, 0) wurde als beste ARIMA-Prognosemethode für die Kurz- und Langfristprognose ausgewählt. Anhand des Testdatensatzes wurde festgestellt, dass ARIMA (0,0,1) (1,1,0) die vorhergesagten Werte lieferte, die näher an den tatsächlich angebotenen Kokosnussmengen lagen. Der niedrigste MAPE-Wert (10,55%) wurde bei ARIMA (0,0,1) (1,1,0) ermittelt. Dies beweist, dass ARIMA (0, 0, 1) (1, 1, 0) die am besten angepasste Prognosemethode unter den anderen getesteten Methoden war.
Andere Kunden interessierten sich für
