Tóm tắt:

Nghiên cứu này so sánh các mô hình dự báo khác nhau bao gồm hai mô hình đơn lẻ ARIMA (mô hình trung bình trượt kết hợp tự hồi quy) và LSTM (mô hình mạng nơ-ron trí nhớ ngắn hạn định hướng dài hạn), và mô hình dự báo kết hợp ARIMA-LSTM. Nghiên cứu lần lượt đánh giá về hai mô hình ARIMA và LSTM trước khi đi đến kết luận cần xây dựng một mô hình dự báo kết hợp ARIMA-LSTM. Kết quả nghiên cứu cho thấy mỗi mô hình có những ưu điểm và nhược điểm riêng biệt. ARIMA thể hiện hiệu suất tốt trong việc xử lý dữ liệu có đặc tính chu kỳ và xu hướng tuyến tính, trong khi LSTM thường hiệu quả hơn trong việc nắm bắt các mẫu dữ liệu phức tạp và phi tuyến tính. Trong nghiễn cứu này kết hợp giữa hai phương pháp ARIMA LSTM cho kết quả với hiệu suất dự đoán tốt hơn trong một số tình huống cụ thể. Dựa trên kết quả đánh giá, nghiên cứu đề xuất các yếu tố để lựa chọn một mô hình dự báo phù hợp cho doanh nghiệp bao gồm tính chất của dữ liệu, mục tiêu dự báo, tài nguyên tính toán và năng lực chuyển môn của doanh nghiệp.