The Holt-Winters and NNs were imple

The Holt-Winters and NNs were implemented in an object
oriented programming environment developed in the Java
language by the authors. Regarding the ARIMA methodology , the different models will be estimated using the X-12-ARIMA package [21]. The best model (with the lowest BI C
values) will be selected and then the forecasts are produced
in the Java environment.
The Holt-Winters (HW) models were adapted to the series
characteristics. The double seasonal variant (K1 = 24 and
K2 = 168) was applied on the hourly series. Both seasonal
(K1 = 288) and non seasonal versions were tested for the
ve minute scale data, since it was suspected that the seasonal
effect could be less relevant in this case. Indeed, SSE errors
obtained in the training data backed this claim. T o optimize
the parameters of the selected models (results are shown in
T able II), the grid-search used a step of 0:01 for the ve
minute data. The grid step was increased to 0:05 in the hourly
series, due to the higher computational effort required by
double seasonal models.

Kết quả (Việt) 1:

Holt-mùa đông và NNs đã được thực hiện trong một đối tượngmôi trường lập trình theo định hướng phát triển trong Javangôn ngữ của các tác giả. Liên quan đến phương pháp ARIMA, các mô hình khác nhau sẽ được ước tính bằng cách sử dụng các gói phần mềm X-12-ARIMA [21]. Các mô hình tốt nhất (với C BI thấp nhấtgiá trị) sẽ được lựa chọn và sau đó những dự báo được sản xuấttrong môi trường Java.Các mô hình mùa đông Holt (HW) đã thích nghi với seriesđặc điểm. Các biến thể theo mùa đôi (K1 = 24 vàK2 = 168) đã được áp dụng trên dòng hàng giờ. Cả hai đều theo mùa(K1 = 288) và không theo mùa các phiên bản được thử nghiệm trong cácve phút quy mô dữ liệu, vì nó nghi ngờ rằng các theo mùahiệu ứng có thể ít có liên quan trong trường hợp này. Thật vậy, SSE lỗitrong dữ liệu đào tạo sao tuyên bố này. T o tối ưu hóaCác thông số của các mô hình được lựa chọn (kết quả được hiển thị trongT có thể II), lưới tìm kiếm sử dụng một bước 0:01 cho vephút dữ liệu. Lưới bước được tăng lên 0:05 trong hàng giờloạt, do những nỗ lực tính toán cao hơn theo yêu cầu củahai mô hình theo mùa.

Kết quả (Việt) 2:

The Holt-Winters và NNS đã được thực hiện trong một đối tượng
theo định hướng môi trường lập trình phát triển trong Java
ngôn ngữ của các tác giả. Về phương pháp ARIMA, các mô hình khác nhau sẽ được ước tính bằng cách sử dụng gói X-12-ARIMA [21]. Các mô hình tốt nhất (với BI C thấp nhất
giá trị) sẽ được lựa chọn và sau đó dự báo được sản xuất
trong môi trường Java.
The Holt-Winters (HW) mô hình đã được thích nghi với hàng loạt
đặc điểm. Các biến thể theo mùa kép (K1 = 24 và
K2 = 168) được áp dụng trên các dòng theo giờ. Cả hai mùa
(K1 = 288) và các phiên bản không theo mùa đã được thử nghiệm cho
? Ve dữ liệu quy mô phút, vì nó đã bị nghi ngờ rằng mùa
hiệu quả có thể ít có liên quan trong trường hợp này. Thật vậy, lỗi SSE
thu được trong dữ liệu huấn luyện hậu thuẫn tuyên bố này. T o tối ưu hóa
các thông số của mô hình được lựa chọn (kết quả được thể hiện trong
T II có thể), lưới tìm kiếm sử dụng một bước 00:01 cho? Ve
dữ liệu phút. Bước lưới đã được tăng lên đến 0:05 trong giờ
loạt, do sự nỗ lực tính toán cao hơn yêu cầu của
mô hình hai mùa.