ความต้องการ ไฟฟ้า โหลด การสร้างแบบจำลอง ที่ใช้ อัต เคลื่อนไหว เฉลี่ย Arma โมเดล

การสร้างแบบจําลองความต้องการไฟฟ้าโดยใช้โมเดล ARMA (AutomRegressive Moving Average) โดย S. Sp. Pappas L. Ekonomou b, D. Ch. Karamousantas c G. E. Chatzarakis b S. K. Katsikas d P. Liatsis ea ภาควิชาวิศวกรรมระบบสารสนเทศและการสื่อสารมหาวิทยาลัยอีเจียน Karlovassi 83 200 Samos, กรีซขภาควิชาวิศวกรรมไฟฟ้าการศึกษา ASPETESchool of Pedagogical and Technological Education, N. Heraklion, 141 21 กรุงเอเธนส์ประเทศกรีซ c. สถาบันเทคโนโลยีแห่งคาลามาตา Antikalamos, 24100 คาลามาตากรีซ d ภาควิชาเทคโนโลยีการศึกษาระบบดิจิตอลมหาวิทยาลัย Piraeus, 150 Androutsou Srt. 18 532 Piraeus, Greece e กองวิศวกรรมอิเล็กทรอนิกส์และสารสนเทศไฟฟ้า, โรงเรียนวิศวกรรมศาสตร์และคณิตศาสตร์, ศูนย์ข้อมูลและวิศวกรรมชีวเวชศาสตร์, City University, Northampton Square, London EC1V 0HB, สหราชอาณาจักรได้รับ 10 มีนาคม 2551 พร้อมให้บริการออนไลน์วันที่ 2 กรกฎาคม 2551 นี้ การศึกษาที่อยู่ปัญหาของการสร้างแบบจำลองความต้องการไฟฟ้าโหลดในกรีซ ข้อมูลการโหลดจริงที่ให้มาจะถูกลดความลงตัวและแบบจำลองการเคลื่อนย้ายค่าเฉลี่ยอัตโนมัติ (ARR) จะถูกติดตั้งบนข้อมูลออฟไลน์โดยใช้ Aicaike Corrected Information Criterion (AICC) รูปแบบที่พัฒนาขึ้นนี้เหมาะสมกับข้อมูลในลักษณะที่สำเร็จ ความยากลำบากเกิดขึ้นเมื่อข้อมูลที่ให้มารวมถึงเสียงหรือความผิดพลาดและเมื่อต้องมีการสร้างแบบจำลองตามสาย ในทั้งสองกรณีและภายใต้สมมติฐานว่าข้อมูลที่ให้มาสามารถแสดงด้วยรูปแบบ ARMA จะมีการสั่งซื้อพร้อมกันและการประมาณค่าพารามิเตอร์ของโมเดล ARMA ภายใต้สภาวะที่มีเสียงดัง ผลการวิจัยพบว่าวิธีการที่นำเสนอซึ่งขึ้นอยู่กับทฤษฎีการแบ่งพาร์ติชันแบบหลายรูปแบบ เพื่อวัตถุประสงค์ในการตรวจสอบผลลัพธ์ที่ได้จะนำมาเปรียบเทียบกับเกณฑ์การเลือกคำสั่งอื่น ๆ อีก 3 ข้อคือ AICC, Akaikes Information Criterion (AICC) และ Schwarzs Bayesian Information Criterion (BIC) แบบจำลองที่พัฒนาแล้วอาจเป็นประโยชน์ในการศึกษาที่เกี่ยวข้องกับการใช้ไฟฟ้าและการคาดการณ์ราคาไฟฟ้า การกรองแบบหลายรูปแบบที่ปรับได้ความต้องการไฟฟ้า ARMA การสั่งซื้อการเลือกพารามิเตอร์การประมาณค่าตัวกรองคาลมาน Fig. 1. รูป 2. รูป 3. รูป 4. รูป 5. รูปที่ 6. รูปที่ 7. รูปที่ 8. รูป 9. รูปที่ 10 รูป 11. ภาพ 12. รูปที่ 13. Stylianos Sp. Pappas เกิดในกรุงเอเธนส์ประเทศกรีซเมื่อวันที่ 22 มิถุนายน พ. ศ. 2517 เขาได้รับปริญญาวิศวกรรมศาสตรบัณฑิต (เกียรตินิยม) สาขาวิศวกรรมไฟฟ้าและอิเล็กทรอนิกส์ในปี 2540 และปริญญาโทสาขาการควบคุมขั้นสูงในปี 2541 จากสถาบันวิทยาศาสตร์และเทคโนโลยีแห่งมหาวิทยาลัยแมนเชสเตอร์ UMIST) ในสหราชอาณาจักร ในปีพ. ศ. 2551 เขาจบปริญญาเอก จากภาควิชาวิศวกรรมระบบสารสนเทศและการสื่อสารมหาวิทยาลัยอีเจียนใน Karlovassi of Samos ในกรีซ ความสนใจในการวิจัยของเขาอยู่ในพื้นที่ของแอ็พพลิเคชั่น Partitioning The Application อัลกอริทึมวิวัฒนาการและเทคนิคการออกแบบการควบคุม Lambros Ekonomou เกิดเมื่อวันที่ 9 มกราคม พ. ศ. 2519 ในเอเธนส์ประเทศกรีซ เขาได้รับปริญญาวิศวกรรมศาสตรบัณฑิต (เกียรตินิยม) สาขาวิชาไฟฟ้าและอิเล็กทรอนิกส์ในปี 2540 และปริญญาโทสาขาการควบคุมขั้นสูงในปีพ. ศ. 2541 จากสถาบันวิทยาศาสตร์และเทคโนโลยีแมนเชสเตอร์ (U. M.I. S.T. ) ในสหราชอาณาจักร ในปีพ. ศ. 2549 เขาสำเร็จการศึกษาระดับปริญญาเอก วิศวกรรมไฟฟ้าแรงสูงจากมหาวิทยาลัยเทคนิคแห่งเอเธนส์ (N. TU. A. ) ในกรีซ เขาเคยร่วมงานกับ บริษัท ต่างๆ ได้แก่ Hellenic Public Power Corporation S. A. และ Hellenic Aerospace Industry S. A ในขณะที่ในปีพ. ศ. 2551 เขาได้รับแต่งตั้งให้เป็นผู้ช่วยศาสตราจารย์ใน ASPETE ผลงานวิจัยของเขาสนใจเกี่ยวกับสายส่งไฟฟ้าและสายส่งไฟฟ้าประสิทธิภาพการป้องกันฟ้าผ่าการวิเคราะห์เสถียรภาพการออกแบบควบคุมความน่าเชื่อถือไดรฟ์ไฟฟ้าและเครือข่ายประสาทเทียม Dimitrios Ch. Karamousantas เกิดใน Kalapodi ประเทศกรีซเมื่อวันที่ 1 สิงหาคม 2500 เขาได้รับประกาศนียบัตรสาขาวิศวกรรมและปริญญาเอก องศาวิศวกรรมเครื่องกลจากสถาบันโปลีเทคนิค CLUJ-NAPOCA ประเทศโรมาเนียในปี 2527 และ 2531 ตามลำดับ ปัจจุบันเขาเป็นรองศาสตราจารย์ในสถาบันการศึกษาด้านเทคโนโลยีแห่งเมืองคาลามาตาประเทศกรีซ จอร์จอี Chatzarakis เกิดใน Serres กรีซ 20 พ. ค. 2504 เขาได้รับปริญญา เอ็ง และปริญญาเอก องศาวิศวกรรมไฟฟ้าจากมหาวิทยาลัยเทคนิคแห่งเอเธนส์ (NTUA) ในปี 2529 และ 2533 ตามลำดับ ปัจจุบันเขาเป็นศาสตราจารย์ในโรงเรียนการสอนและการศึกษาด้านเทคโนโลยี (ASPETE) ในเอเธนส์ประเทศกรีซ Sokratis K. Katsikas เกิดในกรุงเอเธนส์ประเทศกรีซในปีพ. ศ. 2503 เขาได้รับประกาศนียบัตรสาขาวิศวกรรมไฟฟ้าจากมหาวิทยาลัย Patras ประเทศกรีซเมื่อปีพ. ศ. 2525 ปริญญาโทด้านวิศวกรรมไฟฟ้าแอ็กเซสจากมหาวิทยาลัยแมสซาชูเซตส์ที่แอมเฮิร์สต์ , Amherst, USA ในปีพศ. 2527 และปริญญาเอก ใน Computer Informatics วิศวกรรมแอมป์จากมหาวิทยาลัย Patras, Patras, กรีซในปี 1987 ในปี 1990 เขาได้เข้าร่วม University of Aegean ประเทศกรีซซึ่งเขาดำรงตำแหน่งเป็นศาสตราจารย์ภาควิชา Information Communication Systems Systems และเป็นอธิการบดี ในปีพ. ศ. 2550 เขาเข้าร่วมภาควิชาเทคโนโลยีศึกษาและระบบดิจิตอลของมหาวิทยาลัย Piraeus ในฐานะศาสตราจารย์ ความสนใจงานวิจัยของเขาอยู่ในพื้นที่ของระบบรักษาความปลอดภัยข้อมูลและระบบการสื่อสารและทฤษฎีการประมาณค่าและการประยุกต์ใช้ เขาเป็นผู้ประพันธ์หรือผู้ร่วมเขียนสิ่งพิมพ์ในวารสารกว่า 150 เล่มบทหนังสือและเอกสารเผยแพร่การประชุมในพื้นที่เหล่านี้ เขาทำหน้าที่ในคณะกรรมการบรรณาธิการของวารสารทางวิทยาศาสตร์หลายเล่มเขาเป็นผู้ประพันธ์หนังสือจำนวน 20 เล่มและได้ทำหน้าที่เป็นผู้ดำเนินการคณะกรรมการด้านเทคนิคของการประชุมระหว่างประเทศจำนวนมาก Panos Liatsis จบการศึกษาระดับประกาศนียบัตรวิศวกรรมไฟฟ้าสาขาวิศวกรรมศาสตร์จาก Democritos University of Thrace ประเทศกรีซและปริญญาเอก ในวิสัยทัศน์คอมพิวเตอร์และเครือข่ายประสาทเทียมจากศูนย์ควบคุมระบบที่ UMIST ในเดือนเมษายน พ. ศ. 2537 เขาได้รับการแต่งตั้งให้ดำรงตำแหน่งอาจารย์ในศูนย์ควบคุมระบบที่ UMIST ในขณะที่เขาทำงานร่วมกับหุ้นส่วนอุตสาหกรรมต่างๆรวมถึง British Aerospace, Lucas Industries และ TRW Automotive ในเดือนพฤศจิกายนปี 2003 เขาย้ายไปที่ School of Engineering amp Mathematical Sciences ที่ City University ซึ่งปัจจุบันเขาเป็นวิทยากรอาวุโสและผู้อำนวยการศูนย์ข้อมูลและวิศวกรรมชีวเวชศาสตร์ (IBEC) เขาเป็นสมาชิกของ EPSRC Peer Review College, IEEE และวิศวกรชาวยุโรป (Eur Ing) เขาเป็นสมาชิกของคณะกรรมการหลักสูตรการประชุมนานาชาติหลายแห่งรวมถึงการประชุมระหว่างประเทศเกี่ยวกับการประมวลผลวิดีโอมัลติมีเดียแอ็พพลิเคชั่นการประชุม EURASIP เกี่ยวกับการประมวลผลภาพวิดีโอแอมป์และการประชุมนานาชาติเกี่ยวกับระบบสัญญาณและการประมวลผลภาพ ผลงานวิจัยหลักของเขาคือเครือข่ายประสาทเทียมอัลกอริทึมทางพันธุกรรมการมองเห็นคอมพิวเตอร์และการจดจำรูปแบบ เขาได้เผยแพร่เอกสารทางวิทยาศาสตร์มากกว่า 80 ฉบับในวารสารและการประชุมระหว่างประเทศและแก้ไขการประชุมการประชุมระดับนานาชาติสองครั้ง ผู้เขียนที่สอดคล้องกัน โทร 30 697 270 2218 แฟกซ์: 30 210 772 3504 ลิขสิทธิ์ 2008 Elsevier Ltd. สงวนลิขสิทธิ์ การอ้างถึงบทความ () การสร้างแบบจําลองความต้องการใช้ไฟฟ้าโดยใช้แบบจําลองเฉลี่ยเคลื่อนที่โดยอัตโนมัติ (ARR) การศึกษานี้ศึกษาถึงปัญหาการสร้างแบบจำลองความต้องการใช้ไฟฟ้าในกรีซ ข้อมูลการโหลดจริงที่ให้มาจะถูกลดความลงตัวและแบบจำลองการเคลื่อนย้ายค่าเฉลี่ยอัตโนมัติ (ARR) จะถูกติดตั้งบนข้อมูลออฟไลน์โดยใช้ Aicaike Corrected Information Criterion (AICC) รูปแบบที่พัฒนาขึ้นนี้เหมาะสมกับข้อมูลในลักษณะที่สำเร็จ ความยากลำบากเกิดขึ้นเมื่อข้อมูลที่ให้มารวมถึงเสียงหรือความผิดพลาดและเมื่อต้องมีการสร้างแบบจำลองตามสาย ในทั้งสองกรณีและภายใต้สมมติฐานว่าข้อมูลที่ให้มาสามารถแสดงด้วยรูปแบบ ARMA จะมีการสั่งซื้อพร้อมกันและการประมาณค่าพารามิเตอร์ของโมเดล ARMA ภายใต้สภาวะที่มีเสียงดัง ผลการวิจัยพบว่าวิธีการที่นำเสนอซึ่งขึ้นอยู่กับทฤษฎีการแบ่งพาร์ติชันแบบหลายรูปแบบ เพื่อวัตถุประสงค์ในการตรวจสอบผลลัพธ์ที่ได้จะนำมาเปรียบเทียบกับเกณฑ์การเลือกคำสั่งอื่น ๆ อีก 3 ข้อคือ AICC, Akaikes Information Criterion (AICC) และ Schwarzs Bayesian Information Criterion (BIC) แบบจำลองที่พัฒนาแล้วอาจเป็นประโยชน์ในการศึกษาที่เกี่ยวข้องกับการใช้ไฟฟ้าและการคาดการณ์ราคาไฟฟ้า หากคุณประสบปัญหาในการดาวน์โหลดไฟล์โปรดตรวจสอบว่าคุณมีแอพพลิเคชันที่เหมาะสมหรือไม่เพื่อดูข้อมูลก่อน ในกรณีที่มีปัญหาอื่น ๆ อ่านหน้าความช่วยเหลือ IDEAS โปรดทราบว่าไฟล์เหล่านี้ไม่ได้อยู่ในไซต์ IDEAS โปรดอดใจรอเนื่องจากไฟล์มีขนาดใหญ่ เนื่องจากการเข้าถึงเอกสารนี้มีข้อ จำกัด คุณอาจต้องการค้นหาเวอร์ชันอื่นภายใต้หัวข้อการวิจัยที่เกี่ยวข้อง (เพิ่มเติมด้านล่าง) หรือค้นหารุ่นอื่น ๆ บทความโดย Elsevier ในวารสาร Energy เมื่อต้องการแก้ไขโปรดระบุรายการนี้ที่จัดการ: RePEc: eee: energy: v: 33: y: 2008: i: 9: p: 1353-1360 ดูข้อมูลทั่วไปเกี่ยวกับวิธีการแก้ไขเนื้อหาใน RePEc สำหรับคำถามทางเทคนิคเกี่ยวกับรายการนี้หรือเพื่อแก้ไขข้อมูลผู้แต่งชื่อเรื่องนามธรรมข้อมูลบรรณานุกรมหรือดาวน์โหลดโปรดติดต่อ: (Shamier, Wendy) หากคุณเป็นผู้เขียนรายการนี้และยังไม่ได้ลงทะเบียนกับ RePEc เราขอแนะนำให้คุณดำเนินการที่นี่ . ซึ่งจะช่วยให้คุณสามารถเชื่อมโยงโปรไฟล์ของคุณกับรายการนี้ได้ นอกจากนี้ยังช่วยให้คุณสามารถยอมรับการอ้างอิงที่อาจเกิดขึ้นกับรายการนี้ซึ่งเราไม่แน่ใจ หากข้อมูลอ้างอิงหายไปคุณสามารถเพิ่มเอกสารเหล่านี้โดยใช้แบบฟอร์มนี้ ถ้าการอ้างอิงแบบเต็มระบุรายการที่มีอยู่ใน RePEc แต่ระบบไม่ได้เชื่อมโยงกับรายการดังกล่าวคุณสามารถช่วยแบบฟอร์มนี้ได้ หากคุณรู้จักรายการที่ขาดหายไปโดยอ้างถึงรายการนี้คุณสามารถช่วยเราในการสร้างลิงก์เหล่านี้ได้โดยเพิ่มข้อมูลอ้างอิงที่เกี่ยวข้องในลักษณะเดียวกับข้างต้นสำหรับแต่ละรายการอ้างอิง หากคุณเป็นผู้เขียนที่ลงทะเบียนรายการนี้คุณอาจต้องการตรวจสอบแท็บการอ้างอิงในโปรไฟล์ของคุณเนื่องจากอาจมีการอ้างอิงบางส่วนที่รอการยืนยัน โปรดทราบว่าการแก้ไขอาจใช้เวลาสองถึงสามสัปดาห์เพื่อกรองบริการ RePEc ต่างๆ บริการเพิ่มเติมติดตามซีรี่ส์, วารสาร, ผู้เขียนแอมป์เพิ่มเติมเอกสารใหม่ทางอีเมลสมัครสมาชิกเพิ่มใหม่เพื่อ RePEc การลงทะเบียนผู้เขียนโปรไฟล์สาธารณะสำหรับนักเศรษฐศาสตร์การวิจัยการจัดอันดับต่างๆของสาขาเศรษฐศาสตร์ด้านแอ็พพ็อตใครเป็นนักเรียนของ RePEc RePEc Biblio Curated articles amp บทความเกี่ยวกับหัวข้อเศรษฐศาสตร์ต่างๆอัปโหลดบทความของคุณเพื่อแสดงใน RePEc และ IDEAS EconAcademics Blog aggregator สำหรับการวิจัยทางเศรษฐศาสตร์การขโมยความคิดกรณีของการขโมยความคิดเรื่องเศรษฐศาสตร์งาน Market Papers RePEc ทำงานชุดกระดาษที่อุทิศให้กับตลาดงาน Fantasy League แกล้งทำเป็นว่าคุณเป็นผู้นำทางด้านเศรษฐศาสตร์ แผนกบริการจาก StL Fed Data การวิจัยแอพพลิเคชั่นแอมป์เพิ่มเติมจากกระแสไฟฟ้าของเซนต์หลุยส์ FedModeling ในรัฐแคลิฟอร์เนีย: รูปแบบ ARMA ที่มีการผ่อนชำระในเอกสารฉบับนี้เราจะกล่าวถึงปัญหาของการสร้างแบบจำลองและการพยากรณ์ความต้องการไฟฟ้า เราใช้ขั้นตอนสองขั้นตอนกับการโหลดระบบทั่วทั้งระบบจากตลาดพลังงานในแคลิฟอร์เนีย อันดับแรกเราลบฤดูกาลตามฤดูกาลและรายปี จากนั้นหลังจากวิเคราะห์คุณสมบัติของข้อมูลที่ได้จากข้อมูลเหล่านี้แล้วเราจะปรับโมเดลเฉลี่ยเคลื่อนที่แบบอัตถดถอย ส่วนที่เหลือจะเป็นอิสระ แต่มีหางที่หนักกว่า Gaussian ปรากฎว่าการกระจายไฮเปอร์โบลิกให้พอดีกับที่ดี เพื่อเป็นแนวทางสำหรับแนวทางของเราเราจะเสนอการคาดการณ์ที่ไม่ได้ใช้ตัวอย่าง ผลที่ได้คือวิธีการของเรามีประสิทธิภาพดียิ่งกว่าวิธีที่ California System Operator ใช้ หากคุณประสบปัญหาในการดาวน์โหลดไฟล์โปรดตรวจสอบว่าคุณมีแอพพลิเคชันที่เหมาะสมหรือไม่เพื่อดูข้อมูลก่อน ในกรณีที่มีปัญหาอื่น ๆ อ่านหน้าความช่วยเหลือ IDEAS โปรดทราบว่าไฟล์เหล่านี้ไม่ได้อยู่ในไซต์ IDEAS โปรดอดใจรอเนื่องจากไฟล์มีขนาดใหญ่ กระดาษจาก Hugo Steinhaus Center, Wroclaw University of Technology ในรายงานการวิจัย HSC Research Report ที่มีหมายเลข HSC0202 ค้นหาเอกสารที่เกี่ยวข้องโดยการจัดหมวดหมู่ JEL: C16 - วิธีการทางคณิตศาสตร์และเชิงปริมาณ - - วิธีทางเศรษฐมิติและสถิติและระเบียบวิธี: ทั่วไป - - - การวิเคราะห์ทางเศรษฐมิติและทางสถิติการกระจายเฉพาะ C52 - วิธีการทางคณิตศาสตร์และเชิงปริมาณ - - การสร้างแบบจำลองทางเศรษฐมิติ - - - และการคัดเลือก C53 - วิธีการทางคณิตศาสตร์และเชิงปริมาณ - - การสร้างแบบจำลองทางเศรษฐมิติ - - - แบบจำลองการคาดการณ์และการทำนายวิธีการจำลอง Q40 - เศรษฐศาสตร์เกษตรและทรัพยากรธรรมชาติเศรษฐศาสตร์สิ่งแวดล้อมและระบบนิเวศน์ - - พลังงาน - - - การอ้างอิงทั่วไปที่ระบุใน IDEAS กรุณารายงานข้อผิดพลาดอ้างอิงหรือข้อผิดพลาดในการอ้างอิง . หรือ. ถ้าคุณเป็นผู้เขียนที่ลงทะเบียนของงานที่อ้างถึงให้เข้าสู่ระบบโปรไฟล์ RePEc Author Service ของคุณ คลิกที่การอ้างอิงและทำการปรับค่าที่เหมาะสม Rafal Weron, 2000. การจัดการความเสี่ยงด้านราคาพลังงาน, HSC Research Reports HSC0002, Hugo Steinhaus Center, มหาวิทยาลัยเทคโนโลยี Wroclaw. Titre du document ชื่อเอกสารการสร้างแบบจําลองความต้องการไฟฟ้าโดยใช้โมเดล ARMA (AutoRegressive Moving Average) ผู้มีอิทธิพล (s) ผู้แต่ง Affiliate (1) ภาควิชาวิศวกรรมระบบสารสนเทศและการสื่อสารมหาวิทยาลัยอีเจียน Karlovassi, 83 200 Samos, GRECE (2) ภาควิชาวิศวกรรมไฟฟ้า, ASPETE-School การศึกษาด้านการสอนและการสอนเกี่ยวกับเทคโนโลยี, N. Heraklion, 141 21 Athens, GRECE (3) สถาบันการศึกษาด้านเทคโนโลยีของ Kalamata, Antikalamos, 24100 Kalamata, GRECE (4) ภาควิชาเทคโนโลยีการศึกษาด้านระบบดิจิตอลมหาวิทยาลัย Piraeus, 150 Androutsou Srt, 18 532 Piraeus, GRECE (5) กองอิเล็กทรอนิกส์ไฟฟ้าและวิศวกรรมสารสนเทศ, โรงเรียน of Engineering and Mathematical Sciences, ข้อมูลและศูนย์วิศวกรรมชีวการแพทย์, City University, Northampton Square, London EC1V 0HB, ROYAUME-UNI Rsum บทคัดย่อการศึกษาครั้งนี้เป็นการแก้ปัญหาการสร้างแบบจำลองความต้องการใช้ไฟฟ้าในกรีซ ข้อมูลการโหลดจริงที่ให้มาจะถูกลดความลงตัวและแบบจำลองการเคลื่อนย้ายค่าเฉลี่ยอัตโนมัติ (ARR) จะถูกติดตั้งบนข้อมูลออฟไลน์โดยใช้ Aicaike Corrected Information Criterion (AICC) รูปแบบที่พัฒนาขึ้นนี้เหมาะสมกับข้อมูลในลักษณะที่สำเร็จ ความยากลำบากเกิดขึ้นเมื่อข้อมูลที่ให้มารวมถึงเสียงหรือความผิดพลาดและเมื่อต้องมีการสร้างแบบจำลองตามสาย ในทั้งสองกรณีและภายใต้สมมติฐานว่าข้อมูลที่ให้มาสามารถแสดงด้วยรูปแบบ ARMA จะมีการสั่งซื้อพร้อมกันและการประมาณค่าพารามิเตอร์ของโมเดล ARMA ภายใต้สภาวะที่มีเสียงดัง ผลการวิจัยพบว่าวิธีการที่นำเสนอซึ่งขึ้นอยู่กับทฤษฎีการแบ่งส่วนแบบหลายรูปแบบ เพื่อวัตถุประสงค์ในการตรวจสอบผลลัพธ์ที่ได้จะนำมาเปรียบเทียบกับเกณฑ์การเลือกคำสั่งอื่น ๆ อีก 3 ข้อคือ AICC, Akaikes Information Criterion (AICC) และ Schwarzs Bayesian Information Criterion (BIC) แบบจำลองที่พัฒนาแล้วอาจเป็นประโยชน์ในการศึกษาที่เกี่ยวข้องกับการใช้ไฟฟ้าและการคาดการณ์ราคาไฟฟ้า Revue Journal ชื่อเรื่องแหล่งที่มา 2008, vol. 33, n o 9, pp. 1353-1360 8 หน้า (บทความ) (37 อ้างอิง) Langue Language Editeur สำนักพิมพ์ Elsevier, Kidlington, ROYAUME-UNI (1976) (Revue) Mots-cls anglais English คำสำคัญ