Excel FORECAST ETS的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

蟻行徑向基類神經網路於碳交易市場中碳價預測之研究

為了解決Excel FORECAST ETS的問題，作者郭育廷 這樣論述：

本論文主要是在碳交易市場下提出一套碳價預測的系統，以追求業者快速及精確地預測碳價，避免因碳價波動所造成的企業經營風險。本論文首先收集芝加哥氣候交易所之CO2排放交易價格與國際能源署之煤炭價格、天然氣價格，原油價格等等資料，並將資料依年份、季節及月份、工作日非工作日等等時間條件，利用EXCEL建立工作的資料庫。其次將蟻行最佳化(Ant Colony Optimization)演算整合於徑向基類神經網路(Radial Basis Function Neural Network, RBFN)的流程中，提出一套新的類神經網路求解模式－蟻行徑向基類神經網路(Ant-Based Radial Bas

is Function Network, ARBFN)演算法，藉由蟻行最佳化尋優機制來調整參數中的學習速率，增加尋獲最佳解的機率，增加碳價預測的準確性及可靠度。本論整合EXCEL資料庫及蟻行徑向基類神經網路，將透過蟻行徑向基類神經網路之訓練及測試，分析及評估精確性和誤差的概況，並比較其它類神經網路的架構，如倒傳遞網路(BPN)、徑向基網路(RBFN) 及機率類神經網路(PNN)等等方法，以驗證蟻行徑向基類神經網路的性能效率及準確度。最後本論文利用MATLAB所提供之環境作為軟體發展的基礎，設計一套執行碳價預測的視窗化環境軟體，使用者透過本軟體之圖形界面操作資料庫及應用軟體之結合，方便執行碳價預

測之工作。透過本研究的成果在碳交易市場下提出一個準確及即時預測碳價的方法，提升企業參與碳交易市場對碳價資訊掌控的能力。

台灣地區啤酒市場銷售預測之研究

為了解決Excel FORECAST ETS的問題，作者陳雲明 這樣論述：

本研究旨在瞭解啤酒市場之銷售特性；嘗試運用ARIMA、轉換函數與BPN類神經網路等模式建立短期預測模式，以預測台灣地區短期啤酒銷售量；並比較其結果，決定何種模式較適用有效。研究結果顯示，啤酒銷售量受溫度影響呈現季節性；其次在預測台灣地區啤酒月銷售量序列上，ARIMA、轉換函數與BPN類神經網路等模式均有不錯的表現，但以ARIMA與氣溫轉換函數模式最適用有效；唯BPN類神經網路模式為非線性自由模式，能適用於各種狀況，可作為發展台灣地區啤酒銷售量預測系統時另一較佳模式。