1. NCCU Academic Hub
  2. 學術產出
  3. College of Commerce
  4. Theses
  5. Item

學術產出-Theses

Article View/Open

Publication Export

Google ScholarTM

政大圖書館

Citation Infomation

  • No doi shows Citation Infomation
題名 台灣地區主要資訊電子產品需求預測模式之比較分析
作者 陳佳瑜
貢獻者 鄭天澤
陳佳瑜
關鍵詞 時間序列
類神經網路
資訊電子
日期 2001
上傳時間 15-Apr-2016 16:10:04 (UTC+8)
摘要 台灣在世界上已是資訊電子工業產品的主要生產國家，且民國89年資訊電子工業產值占我國全體製造業產值的百分之三十四，資訊電子工業的榮枯對台灣經濟的影響相當大，故對資訊電子產品市場需求狀況的掌握，對任一相關機構均是非常重要的。本研究之目的在運用時間序列分析中的單變量時間序列模式及轉移函數模式、類神經網路中的倒傳遞類神經網路，及整合預測模式建立台灣地區主要資訊電子產品銷售量之預測模式，並加以分析比較，決定最適之模式，並據以預測未來需求；提供未來政府相關單位之參考。
參考文獻 1. Adya, M. and Collopy, F. (1998). How effective are neural networks at Forecasting and Prediction? A Review and Evaluation. Journal of Forecasting. 17, 481-495.
     2. Ahlburg, D. A. (1992). Error measures and the choice of forecast method. International Journal of Forecasting 8, 99-100.
     3. Ansuj, A. P.; Camargo, M.E., Radharamanan, R. and Petry, D.G. (1996). Sales forecasting using time series and neural networks. Computers and Industrial Engineering 31, 421-424.
     4. Armstrong, J. S. and Collopy, F. (1992) Error measures for generalizing about forecasting methods: Empirical comparisons. International Journal of Forecasting 8, 69-80.
     5. Beale, R. and Jackson, T. (1991). Neural Computing - an Introduction. Adam Highler Publ.
     6. Bowerman, B. L. and O’Connell, R. T. (1993). Forecasting and time series: an applied approach. Wadsworth.
     7. Box, G. E.P.; Jenkins, C. M. and Reinsel, G. C. (1994). Time series analysis: Forecasting and control. Prentice-Hall.
     8. Brandon, C.; Fritz, R. and Xander, J. (1983). Econometric forecasts: evaluation and revision. Applied Economics 15, 187-201.
     9. Carbone, R. and Armstrong, J. S. (1982). Evaluation of extrapolative forecasting methods: results of a survey of academicians and practitioners. Journal of forecasting 1, 215-217.
     10. Cryer, Jonathan D. (1986). Time series analysis. PWS Publ.
     11. Foster, W.R.; Collopy, F. and Ungar, L.H. (1992). Neural network forecasting of short, noisy time series’, Computers and chemical engineering 16, 293-297.
     12. Granger, C. W. J. and Ramanathan, R. (1984). Improved Methods of combing forecasts. Journal of Forecasting 3, 197-204.
     13. Kaastra, I. and Boyd, M. S (1995). Forecasting futures trading volume using neural networks. The Journal of Futures Markets.15, 953-971.
     14. Kurawarwala, A. A; Matsuo, H. (1998). Product growth models for medium term forecasting of short life cycle products. Technological Forecasting and Social Change 57, 169-196.
     15. Makridakis, S. (1993). Accuracy measures: theoretical and practical concerns. International Journal of Forecasting 9, 527-529.
     16. Makridakis, S. and Winkler, R. L. (1983). Averages of forecasts: some empirical results’, Management Science 29, 987-996.
     17. Makridakis, S.; Andersen, A.; Carbone, R.; Fildes, R.; Hilbon, M.; Lewandowski, R.; Newton, J.; Parzen, E. and Winkler, R. (1982). The accuracy of extrapolation (Time series) methods: Results of a forecasting competition. Journal of Forecasting 1, 111-153.
     18. Moon, Y. B.; Janowski, R. (1995). A neural network approach for smoothing and categorizing noisy data. Computers in Industry, 26, 23-29.
     19. Moshiri, S. and Cameron, N. (2000). Neural network versus econometric models in forecasting inflation. Journal of forecasting, 19, 201-217.
     20. Nelson, M.; Hill, T.; Remus, W. and O’Conner, M. (1999). Time series forecasting using neural networks: should the data be deseasonalized first? Journal of forecasting 18.
     21. Rutherford, D. P. and Wilhelm, W. E. (1999). Forecasting notebook computer price as a function of constituent features. Computers & Industrial Engineering 37, 823-845.
     22. Sperecher, D. A. (1996). A numerical implement of Kolmogorov’s superpositions. Neural Networks 9, 765-772.
     23. Tang, Z.; Almeida, C. de and Fishwick, P. A. Time series forecasting using neural networks vs. Box-Jenkins methodology. Simulation 57, 303-310.
     24. 2000電子工業市場年鑑，新電子科技雜誌，民國八十九年。
     25. 古竣明，「類神經網路之預測與信賴區間之建構—以東南亞金融風暴後新台幣兌美元匯率為例」，輔仁大學應用統計學研究所，碩士論文，民國八十八年。
     26. 交通銀行徵信處，產業調查與技術，第133期，民國九十年。
     27. 呂佳諺，「時間數列預測及決策支援系統-運用神經網路與基因演算法」，國立海洋大學電機工程學系，碩士論文，民國八十四年。
     28. 李鎮旗，企業銷售預測之理論與實證研究—以台電公司為例，中山大學企業管理研究所，碩士論文，民國八十二年。
     29. 吳柏林，時間數列分析導論，華泰出版社，民國八十三年。
     30. 陳雲明，「台灣地區啤酒市場銷售預測之研究」，朝陽大學企業管理學系碩士班，碩士論文，民國八十八年。
     31. 陳瑞卿，「應用總體經濟因素於加權股價指數的預測－類神經網路與多元迴歸比較之研究」，國立交通大學資訊管理研究所，碩士論文，民國八十八年。
     32. 黃天麟，「台灣地區積體電路生產預測之研究」，輔仁大學應用統計學研究所，碩士論文，民國八十八年。
     33. 黃淇竣，「台灣地區資訊電子產業產品生命週期探討及展望」，國立中央大學資訊管理研究所，碩士論文，民國八十六年。
     34. 經濟部統計處(1995~2000)，工業生產統計初步速報。
     35. 廖鴻儒，「國內上市銀行利率風險與缺口管理之研究」，國立成功大學會計研究所，碩士論文，民國八十五年。
     36. 葉怡成，類神經網路模式應用與實做，儒林出版社，民國八十九年。
     37. 葉怡成，應用類神經網路，儒林出版社，民國八十六年。
     38. 蕭大全、王進德，類神模糊控制理論入門，全華科技出版社，民國八十三年。
描述 碩士
國立政治大學
統計學系
88354018
資料來源 http://thesis.lib.nccu.edu.tw/record/#A2002001349
資料類型 thesis
dc.contributor.advisor 鄭天澤zh_TW
dc.contributor.author (Authors) 陳佳瑜zh_TW
dc.creator (作者) 陳佳瑜zh_TW
dc.date (日期) 2001en_US
dc.date.accessioned 15-Apr-2016 16:10:04 (UTC+8)-
dc.date.available 15-Apr-2016 16:10:04 (UTC+8)-
dc.date.issued (上傳時間) 15-Apr-2016 16:10:04 (UTC+8)-
dc.identifier (Other Identifiers) A2002001349en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/85136-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 統計學系zh_TW
dc.description (描述) 88354018zh_TW
dc.description.abstract (摘要) 台灣在世界上已是資訊電子工業產品的主要生產國家，且民國89年資訊電子工業產值占我國全體製造業產值的百分之三十四，資訊電子工業的榮枯對台灣經濟的影響相當大，故對資訊電子產品市場需求狀況的掌握，對任一相關機構均是非常重要的。本研究之目的在運用時間序列分析中的單變量時間序列模式及轉移函數模式、類神經網路中的倒傳遞類神經網路，及整合預測模式建立台灣地區主要資訊電子產品銷售量之預測模式，並加以分析比較，決定最適之模式，並據以預測未來需求；提供未來政府相關單位之參考。zh_TW
dc.description.tableofcontents 封面頁
     證明書
     致謝詞
     論文摘要
     目錄
     表目錄
     圖目錄
     第一章 緒論
     １.１ 研究動機與目的
     １.２ 變數選擇與資料來源
     １.３ 研究程序
     １.４ 章節結構
     第二章 資訊電子產業分析與文獻回顧
     ２.１ 半導體(IC)產業
     ２.２ 資訊產業
     ２.２.１ 筆記型電腦
     ２.２.２ 監視器
     ２.２.３ 桌上型電腦
     ２.３ 文獻回顧
     第三章 研究方法
     ３.１ 單變量時間序列模式
     ３.２ 轉移函數模式
     ３.３ 類神經網路模式
     ３.３.１ 類神經網路概論
     ３.３.２ 倒傳遞類神經網路
     ３.４ 整合預測模式
     ３.５ 模式預測能力評估準則
     第四章 實證研究
     ４.１ 積體電路
     ４.１.１ 單變量時間序列模式
     ４.１.２ 轉移函數模式
     ４.１.３ 類神經網路模式
     ４.１.４ 模式預測能力之比較
     ４.２ 晶圓代工
     ４.２.１ 單變量時間序列模式
     ４.２.２ 轉移函數模式
     ４.２.３ 類神經網路模式
     ４.２.４ 模式預測能力之比較
     ４.３ 桌上型電腦
     ４.３.１ 單變量時間序列模式
     ４.３.２ 轉移函數模式
     ４.３.３ 類神經網路模式
     ４.３.４ 模式預測能力之比較
     ４.４ 可攜式電腦
     ４.４.１ 單變量時間序列模式
     ４.４.２ 轉移函數模式
     ４.４.３ 類神經網路模式
     ４.４.４ 模式預測能力之比較
     ４.５ 監視器
     ４.５.１ 單變量時間序列模式
     ４.５.２ 轉移函數模式
     ４.５.３ 類神經網路模式
     ４.５.４ 模式預測能力之比較
     第五章 結論
     ５.１ 研究結論
     ５.２ 未來方向
     §參考文獻
     §附錄
     民國八十三年至八十九年主要資訊電子產品月銷售量		zh_TW
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#A2002001349en_US
dc.subject (關鍵詞) 時間序列zh_TW
dc.subject (關鍵詞) 類神經網路zh_TW
dc.subject (關鍵詞) 資訊電子zh_TW
dc.title (題名) 台灣地區主要資訊電子產品需求預測模式之比較分析zh_TW
dc.type (資料類型) thesisen_US
dc.relation.reference (參考文獻) 1. Adya, M. and Collopy, F. (1998). How effective are neural networks at Forecasting and Prediction? A Review and Evaluation. Journal of Forecasting. 17, 481-495.
     2. Ahlburg, D. A. (1992). Error measures and the choice of forecast method. International Journal of Forecasting 8, 99-100.
     3. Ansuj, A. P.; Camargo, M.E., Radharamanan, R. and Petry, D.G. (1996). Sales forecasting using time series and neural networks. Computers and Industrial Engineering 31, 421-424.
     4. Armstrong, J. S. and Collopy, F. (1992) Error measures for generalizing about forecasting methods: Empirical comparisons. International Journal of Forecasting 8, 69-80.
     5. Beale, R. and Jackson, T. (1991). Neural Computing - an Introduction. Adam Highler Publ.
     6. Bowerman, B. L. and O’Connell, R. T. (1993). Forecasting and time series: an applied approach. Wadsworth.
     7. Box, G. E.P.; Jenkins, C. M. and Reinsel, G. C. (1994). Time series analysis: Forecasting and control. Prentice-Hall.
     8. Brandon, C.; Fritz, R. and Xander, J. (1983). Econometric forecasts: evaluation and revision. Applied Economics 15, 187-201.
     9. Carbone, R. and Armstrong, J. S. (1982). Evaluation of extrapolative forecasting methods: results of a survey of academicians and practitioners. Journal of forecasting 1, 215-217.
     10. Cryer, Jonathan D. (1986). Time series analysis. PWS Publ.
     11. Foster, W.R.; Collopy, F. and Ungar, L.H. (1992). Neural network forecasting of short, noisy time series’, Computers and chemical engineering 16, 293-297.
     12. Granger, C. W. J. and Ramanathan, R. (1984). Improved Methods of combing forecasts. Journal of Forecasting 3, 197-204.
     13. Kaastra, I. and Boyd, M. S (1995). Forecasting futures trading volume using neural networks. The Journal of Futures Markets.15, 953-971.
     14. Kurawarwala, A. A; Matsuo, H. (1998). Product growth models for medium term forecasting of short life cycle products. Technological Forecasting and Social Change 57, 169-196.
     15. Makridakis, S. (1993). Accuracy measures: theoretical and practical concerns. International Journal of Forecasting 9, 527-529.
     16. Makridakis, S. and Winkler, R. L. (1983). Averages of forecasts: some empirical results’, Management Science 29, 987-996.
     17. Makridakis, S.; Andersen, A.; Carbone, R.; Fildes, R.; Hilbon, M.; Lewandowski, R.; Newton, J.; Parzen, E. and Winkler, R. (1982). The accuracy of extrapolation (Time series) methods: Results of a forecasting competition. Journal of Forecasting 1, 111-153.
     18. Moon, Y. B.; Janowski, R. (1995). A neural network approach for smoothing and categorizing noisy data. Computers in Industry, 26, 23-29.
     19. Moshiri, S. and Cameron, N. (2000). Neural network versus econometric models in forecasting inflation. Journal of forecasting, 19, 201-217.
     20. Nelson, M.; Hill, T.; Remus, W. and O’Conner, M. (1999). Time series forecasting using neural networks: should the data be deseasonalized first? Journal of forecasting 18.
     21. Rutherford, D. P. and Wilhelm, W. E. (1999). Forecasting notebook computer price as a function of constituent features. Computers & Industrial Engineering 37, 823-845.
     22. Sperecher, D. A. (1996). A numerical implement of Kolmogorov’s superpositions. Neural Networks 9, 765-772.
     23. Tang, Z.; Almeida, C. de and Fishwick, P. A. Time series forecasting using neural networks vs. Box-Jenkins methodology. Simulation 57, 303-310.
     24. 2000電子工業市場年鑑，新電子科技雜誌，民國八十九年。
     25. 古竣明，「類神經網路之預測與信賴區間之建構—以東南亞金融風暴後新台幣兌美元匯率為例」，輔仁大學應用統計學研究所，碩士論文，民國八十八年。
     26. 交通銀行徵信處，產業調查與技術，第133期，民國九十年。
     27. 呂佳諺，「時間數列預測及決策支援系統-運用神經網路與基因演算法」，國立海洋大學電機工程學系，碩士論文，民國八十四年。
     28. 李鎮旗，企業銷售預測之理論與實證研究—以台電公司為例，中山大學企業管理研究所，碩士論文，民國八十二年。
     29. 吳柏林，時間數列分析導論，華泰出版社，民國八十三年。
     30. 陳雲明，「台灣地區啤酒市場銷售預測之研究」，朝陽大學企業管理學系碩士班，碩士論文，民國八十八年。
     31. 陳瑞卿，「應用總體經濟因素於加權股價指數的預測－類神經網路與多元迴歸比較之研究」，國立交通大學資訊管理研究所，碩士論文，民國八十八年。
     32. 黃天麟，「台灣地區積體電路生產預測之研究」，輔仁大學應用統計學研究所，碩士論文，民國八十八年。
     33. 黃淇竣，「台灣地區資訊電子產業產品生命週期探討及展望」，國立中央大學資訊管理研究所，碩士論文，民國八十六年。
     34. 經濟部統計處(1995~2000)，工業生產統計初步速報。
     35. 廖鴻儒，「國內上市銀行利率風險與缺口管理之研究」，國立成功大學會計研究所，碩士論文，民國八十五年。
     36. 葉怡成，類神經網路模式應用與實做，儒林出版社，民國八十九年。
     37. 葉怡成，應用類神經網路，儒林出版社，民國八十六年。
     38. 蕭大全、王進德，類神模糊控制理論入門，全華科技出版社，民國八十三年。		zh_TW