Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2013 - zeszyt 3b

To predict military spending in China based on ARIMA and artificial neural networks models

nr katalogowy: 75297

This study takes the initiative to forecast China's military spending based on autoregressive integrated moving average (ARIMA) models and artificial neural networks (ANNs) models. The mean absolute percentage error (MAPE) approach is applied to measure prediction accuracy. The results indicate that these single variable ARIMA models show higher accuracy and stability than those made by the single variable ANNs models across the four time periods, namely the short term (1 year), the medium term (3 years), the medium-long term (5 years), and the long term (10 years). As to multiple variable ANNs models, the prediction accuracy of each model with different variables has advantages in different time periods. The highest accuracy for the long term predictions among all of the multivariate models is made by ANN2 including China’s military spending and GDP. ANN3 including variables of China's military spending, GDP, and inflation rates illustrates the most accurate prediction for the short term and medium-long term, while ANN4 including China’s military spending, GDP, inflation rates, and Taiwan's military spending shows the highest accuracy for the medium term prediction. This concludes the contributions of this study. Streszczenie. W artykule przedstawiono wyniki analizy dotyczącej przewidywanych wydatków Chin na militaria, opracowanej na podstawie modelu autoregresji (ang. ARIMA) oraz sztucznych sieci neuronowych (ANN). Dokładność predykcji oparta została na funkcji średniej wartości absolutnej procentowego uchybu. Badania wykazują, że model ARIMA ma wyższą dokładność i stabilność niż model oparty na ANN w odniesieniu do czterech, różnych okresów (1, 3, 5, 10 lat), przy czym dla ANN badanie wykonano dla czterech wartości dokładności predykcji. (Przewidywania wydatków militarnych Chin na podstawie modeli ARIMA i sztucznych sieci neuronowych). Keywords: Artificial neural networks (ANNs), Autoregressive integrated movi[...]

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD GEODEZYJNY- e-publikacja (pdf) z zeszytu 2022-12 , nr katalogowy 140961 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD GEODEZYJNY- e-zeszyt (pdf) 2022-12 licencja: Osobista Produkt cyfrowy Nowość	30.00 zł

Prenumerata

PRZEGLĄD GEODEZYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

342.00 zł

PRZEGLĄD GEODEZYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD GEODEZYJNY - papierowa prenumerata roczna	384.00 zł brutto 355.56 zł netto 28.44 zł VAT (stawka VAT 8%)
PRZEGLĄD GEODEZYJNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

426.00 zł

PRZEGLĄD GEODEZYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD GEODEZYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	516.00 zł brutto 477.78 zł netto 38.22 zł VAT (stawka VAT 8%)

516.00 zł

Zeszyt

2013-3b

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma