Forecasting Industrial Production: A Comparative Study Based on Volatility and Seasonality of Time Series
Procedia Computer Science · 2026 · 277 · 2183-2192
DOI: 10.1016/j.procs.2026.02.256 ↗Kurz gefasst
Fachartikel in der Zeitschrift Procedia Computer Science, 2026. Verfasst von Judith Warnau und 8 weiteren Autor:innen. Die Arbeit nennt 23 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Christian Doppler Research Association, Bundesministerium für Digitalisierung und Wirtschaftsstandort, Österreichische Nationalstiftung für Forschung, Technologie und Entwicklung.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Förderung
- Christian Doppler Research Association
- Bundesministerium für Digitalisierung und Wirtschaftsstandort
- Österreichische Nationalstiftung für Forschung, Technologie und Entwicklung
Zitieren
APA
Warnau, J., Straßer, S., Tripathi, S., Bachmann, N., Thienemann, A., Tüzün, A., Pöchtrager, S., Brunner, M., & Jodlbauer, H. (2026). Forecasting Industrial Production: A Comparative Study Based on Volatility and Seasonality of Time Series. Procedia Computer Science, 277, 2183-2192. https://doi.org/10.1016/j.procs.2026.02.256
Vancouver
Warnau J, Straßer S, Tripathi S, Bachmann N, Thienemann A, Tüzün A, et al. Forecasting Industrial Production: A Comparative Study Based on Volatility and Seasonality of Time Series. Procedia Computer Science. 2026;277:2183-2192. doi:10.1016/j.procs.2026.02.256
BibTeX
@article{Warnau2026,
author = {Warnau, Judith and Straßer, Sonja and Tripathi, Shailesh and Bachmann, Nadine and Thienemann, Ann-Kristin and Tüzün, Alican and Pöchtrager, Sebastian and Brunner, Manuel and Jodlbauer, Herbert},
title = {Forecasting Industrial Production: A Comparative Study Based on Volatility and Seasonality of Time Series},
journal = {Procedia Computer Science},
year = {2026},
volume = {277},
pages = {2183--2192},
doi = {10.1016/j.procs.2026.02.256}
}
EUVIMED