Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Rough Sets and Other Mathematics: Ten Research Programs Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Computational Method for High-Order Weighted Fuzzy Time Series Forecasting Based on Multiple Partitions

verfasst von : Sukhdev Singh Gangwar, Sanjay Kumar

Erschienen in: Facets of Uncertainties and Applications

Verlag: Springer India

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we present modified version of computational algorithm given by Gangwar and Kumar (Expert Syst Appl 39:12158–12164, 2012 [5]) for higher order weighted fuzzy time series with multiple partitioning to enhance the accuracy in forecasting. The developed method provides a better approach to enhance the accuracy in forecasted values. The proposed method was implemented on the historical student enrollments data of University of Alabama. The suitability of the developed method has been examined in comparison with other models in terms of mean square and average forecasting errors to show its superiority.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Food Web Population Model in Deterministic and Stochastic Environment
Nächstes Kapitel Portfolio Selection with Possibilistic Kurtosis
Literatur
1.
Chen, S.M.: Forecasting enrollments based on high-order fuzzy time series. Cybern. Syst. Int. J. 33, 1–16 (2002)CrossRef
2.
Chen, S.M., Tanuwijaya, K.: Fuzzy forecasting based on high-order fuzzy logical relationships and automatic clustering techniques. Expert Syst. Appl. 38, 15425–15437 (2011)CrossRef
3.
4.
Cheng, C.H., Wang, J.W., Cheng, G.W.: Multi-attribute fuzzy time series method based on fuzzy clustering. Expert Syst. Appl. 34, 1235–1242 (2008)CrossRef
5.
6.
Ismail, Z., Efendi, R.: Enrollment forecasting based on modified weighted fuzzy time series. J. Artif. Intell. 4(1), 110–118 (2011)CrossRef
7.
8.
Lee, M.H., Efendi, R., Ismail, Z.: Modified weighted for enrollment forecasting based on fuzzy time series. Matematika 25(1), 67–78 (2009)MATH
9.
Liu, H.T.: An improved fuzzy time series forecasting method using trapezoidal fuzzy numbers. Fuzzy Optim. Decis. Mak. 6, 63–80 (2007)MathSciNetCrossRef
10.
Own, C.M., Yu, P.T.: Forecasting fuzzy time series on a heuristic high-order model. Cybern. Syst. Int. J. 36, 705–717 (2005)CrossRef
11.
Singh, S.R.: A robust method of forecasting based on fuzzy time series. Appl. Math. Comput. 188, 472–484 (2007a)MathSciNetMATH
12.
Singh, S.R.: A simple method of forecasting based on fuzzy time series. Appl. Math. Comput. 186, 330–339 (2007b)MathSciNetMATH
13.
14.
Singh, S.R.: A computational method of forecasting based on fuzzy time series. Math. Comput. Simul. 79, 539–554 (2008)MathSciNetCrossRef
15.
16.
17.
Song, Q., Chissom, B.S.: Forecasting enrollments with fuzzy time series—part II. Fuzzy Sets Syst. 64, 1–8 (1994)CrossRef
18.
Suhartono, S., Lee, M.H.: A hybrid approach based on winter’s model and weighted fuzzy time series for forecasting trend and seasonal data. J. Math. Stat. 7(3), 177–183 (2011)CrossRef
19.
Wong, W.K., Bai, E., Chu, A.W.C.: Adaptive time variant models for fuzzy time series forecasting. IEEE Trans. Syst. Man Cybern. Part B Cybern. 40(6), 1531–1542 (2010)CrossRef
20.
21.
22.
Zadeh, L.A.: The concept of a linguistic variable and its application to approximate reasoning. Part I. Inf. Sci. 8, 199–249 (1975)MathSciNetMATH
Metadaten
Titel
Computational Method for High-Order Weighted Fuzzy Time Series Forecasting Based on Multiple Partitions
verfasst von
Sukhdev Singh Gangwar
Sanjay Kumar
Copyright-Jahr
2015
Verlag
Springer India
Buch
Facets of Uncertainties and Applications

Print ISBN: 978-81-322-2300-9

Electronic ISBN: 978-81-322-2301-6

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-81-322-2301-6_22