Výsledky vyhledávání - "АНАЛИЗ ВРЕМЕННЫХ РЯДОВ"

Relation: https://avia.mstuca.ru/jour/article/view/2464/1413; Tang X., Deng G. Prediction of civil aviation passenger transportation based on ARIMA model // Open Journal of Statistics. 2016. Vol. 6, no. 5. Pp. 824–834. DOI:10.4236/ojs.2016.65068; Samagaio A., Wolters M. Comparative analysis of government forecasts for the Lisbon Airport // Journal of Air Transport Management. 2010. Vol. 16, iss. 4. Pp. 213–217. DOI:10.1016/j.jairtraman.2009.09.002; Scarpel R.A. Forecasting air passengers at São Paulo international airport using a mixture of local experts model // Journal of Air Transport Management. 2013. Vol. 26. Pp. 35–39. DOI:10.1016/j.jairtraman.2012.10.001; Profillidis V.A. Econometric and fuzzy models for the forecast of demand in the airport of Rhodes // Journal of Air Transport Management. 2000. Vol. 6, iss. 2. Pp. 95–100. DOI:10.1016/S0969-6997(99)00026-5; Profillidis V.Α. An ex-post assessment of a passenger demand forecast of an airport // Journal of Air Transport Management. 2012. Vol. 25. Pp. 47–49. DOI:10.1016/j.jairtraman.2012.08.002; Zhang G.P. Time series forecasting using a hybrid ARIMA and neural network model // Neurocomputing. 2003. Vol. 50. Pp. 159–175. DOI:10.1016/S0925-2312(01)00702-0; Andreoni A., Postorino M.N. (2006). A multivariate ARIMA model to forecast air transport demand [Электронный ресурс] // European Transport Conference (ETC). France: Strasbourg, 2006. 14 p. URL: https://trid.trb.org/View/846533 (дата обращения: 10.11.2023).; Taneja K. (2016). Time series analysis of aerosol optical depth over New Delhi using Box-Jenkins ARIMA modeling approach / K. Taneja, S. Ahmad, K. Ahmad, S.D. Attri // Atmospheric Pollution Research. 2016. Vol. 7, iss. 4. Pp. 585–596. DOI:10.1016/j.apr.2016.02.004; Suhartono, S., Lee M.H., Prastyo D.D. Two levels ARIMAX and regression models for forecasting time series data with calendar variation effects [Электронный ресурс] // AIP Conference Proceedings, 2015. Vol. 1691, issue 1, ID: 050026. DOI:10.1063/1.4937108 (дата обращения: 10.11.2023).; Ge M. ARIMA-FSVR hybrid method for high-speed railway passenger traffic forecasting / M. Ge, Zh. Junfeng, W. Jinfei, H. Huiting, Sh. Xinghua, W. Hongye [Электронный ресурс] // Mathematical Problems in Engineering. 2021. Vol. 2021. ID: 9961324. 5 p. DOI:10.1155/2021/9961324 (дата обращения: 10.11.2023).; Box G.E.P., Jenkins G.M., Reinsel G.C. Time series analysis: Forecasting and control. New York, John Wiley & Sons Inc., 2008. 755 p. DOI:10.1002/9781118619193; Box G.E.P., Tiao G.C. Intervention analysis with applications to economic and environmental problems // Journal of the American Statistical Association. 1975. Vol. 70, no. 349. Pp. 70–79.; Ren G., Gao J. Comparison of NARNN and ARIMA models for short-term metro passenger flow forecasting [Электронный ресурс] // Proceedings of the 19th COTA International Conference of Transportation Professionals. China, Nanjing. DOI:10.1061/9780784482292.119 (дата обращения: 10.11.2023).; Tsai T.-H., Lee C.-K., Wei C.-H. Neural network based temporal feature models for short-term railway passenger demand forecasting // Expert Systems with Applications. 2009. Vol. 36, iss. 2. Pp. 3728–3736. DOI:10.1016/j.eswa.2008.02.071; Ni L., Chen X., Qian H. ARIMA model for traffic flow prediction based on wavelet analysis [Электронный ресурс] // Proceedings of the 2nd International Conference on Information Science and Engineering IEEE. China, Hangzhou, 2010. Pp. 1028–1031. DOI:10.1109/ICISE.2010.5690910 (дата обращения: 10.11.2023).; Xie Y., Zhang P., Chen Y. A fuzzy ARIMA correction model for transport volume forecast [Электронный ресурс] // Mathematical Problems in Engineering. 2021. Vol. 2021. ID: 6655102. 10 p. DOI:10.1155/2021/6655102 (дата обращения: 10.11.2023).; Khan M.M.H., Muhammad N.S., ElShafie A. Wavelet based hybrid ANN-ARIMA models for meteorological Drought forecasting [Электронный ресурс] // Journal of Hydrology. 2020. Vol. 590. ID: 125380. DOI:10.1016/j.jhydrol.2020.125380 (дата обращения: 10.11.2023).; Wu J. Hybrid model of ARIMA model and GAWNN for dissolved oxygen content prediction / J. Wu, Z.B. Li, L. Zhu, C. Li // Transactions of the Chinese Society for Agricultural Machinery. 2017. Vol. 48, pp. 205–210. DOI:10.6041/j.issn.1000-1298.2017.S0.033; https://avia.mstuca.ru/jour/article/view/2464

Dostupnost: https://avia.mstuca.ru/jour/article/view/2464
https://doi.org/10.26467/2079-0619-2024-27-6-8-20

View record from BASE

Nájsť tento článok vo Web of Science

7

DATA MINING IN THE EVALUATION OF THE ORGANIZATION'S PERSONNEL

Zdroj: Экономика и предпринимательство. :1395-1397

Témata: интеллектуальный анализ данных, machine learning, statistical analysis, прогнозирование успеваемости, оптимизация образовательного процесса, time series analysis, анализ временных рядов, data mining, academic performance forecasting, машинное обучение, optimization of the educational process, статистический анализ

Nájsť tento článok vo Web of Science

8

Разработка программы экспресс-анализа и прогноза временных рядов

Témata: прогноз временных рядов, программа PROGNOZ, анализ временных рядов, статистический анализ, временные ряды, вычислительная техника

Popis souboru: application/pdf

Přístupová URL adresa: https://elib.belstu.by/handle/123456789/64599

View record at OpenAIRE

Nájsť tento článok vo Web of Science

9

Метод анализа временных рядов и его математическая модель в программном обеспечении

Témata: modelling, прогнозирование, time series analysis, forecasting, анализ временных рядов, ARIMA, on-board equipment, моделирование, бортовое оборудование

Nájsť tento článok vo Web of Science

10

Long-Term Changes in the Level of the Caspian Sea and Modern Options for Their Forecasting ; Многолетние изменения уровня Каспийского моря и современные варианты их прогнозирования

Autoři: V. В. Ermakov В. Б. Ермаков

Zdroj: Izvestiya Rossiiskoi Akademii Nauk. Seriya Geograficheskaya; Том 87, № 6 (2023): Гидроэкологические проблемы в бассейне Волги и их последствия для Каспия; 930-940 ; Известия Российской академии наук. Серия географическая; Том 87, № 6 (2023): Гидроэкологические проблемы в бассейне Волги и их последствия для Каспия; 930-940 ; 2658-6975 ; 2587-5566

Témata: аппроксимация многолетнего хода уровня набором гармоник, level change, time series analysis, multidecadal oscillation, approximation of the long-term level course by a set of harmonics, изменение уровня, анализ временных рядов, мультидекадная осцилляция

Popis souboru: application/pdf

Relation: https://izvestia.igras.ru/jour/article/view/2365/1434; Бабкин А.В. Усовершенствованная модель оценки периодичности изменений уровня и элементов водного баланса Каспийского моря // Метеорология и гидрология. 2005. № 11. С. 63–73.; Берг Л.С. Уровень Каспийского моря за историческое время // Очерки по физической географии. М.–Л.: Изд-во АН СССР, 1949. С. 205–272.; Болгов М.В., Красножон Г.Ф, Любушин А.А. Каспийское море: экстремальные гидрологические события / ред. М.Г. Хубларян. М.: Наука, 2007. 381 с.; Болгов М.В., Филимонова М.К. Об источниках неопределенности при прогнозировании уровня Каспийского моря и оценке риска затопления прибрежных территорий // Водные ресурсы. 2005. Т. 32. № 6. С. 664–669.; Борисов Е.В., Ермаков В.Б., Мельников В.А. Анализ периодической структуры климатических колебаний уровня Каспийского моря // Процессы в геосредах. 2019. № 2. С. 146–152.; Варущенко С.И., Варущенко А.Н., Клиге Р.К. Изменения режима Каспийского моря и бессточных водоемов в палеовремени. М.: Наука, 1987. 240 с.; Водный баланс и колебания уровня Каспийского моря. Моделирование и прогноз / ред. Е.С. Нестеров. М.: Триада, 2016. 374 с.; Выручалкина Т.Ю., Дианский Н.А., Фомин В.В. Влияние на эволюцию уровня Каспийского моря многолетних изменений режима ветра над его регионом в 1948–2017 гг. // Водные ресурсы. 2020. Т. 47. № 2. С. 230–240.; Гинзбург А.И., Костяной А.Г., Серых И.В., Лебедев С.А. Климатические изменения гидрометеорологических параметров Каспийского моря (1980–2020) // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 5. С. 277–291.; Гусейнова С.А., Абдусамадов А.С. Прогноз динамики уровня Каспийского моря и ее последствия для прибрежных территорий // Юг России: экология, развитие. 2015. Т. 10. № 4. С. 119–126.; Лаппо С.С., Рева Ю.А. Сравнительный анализ долгопериодной изменчивости уровней Черного и Каспийского морей // Метеорология и гидрология. 1997. № 12. С. 63–75.; Малинин В.Н., Гордеева С.М. Уровень Каспийского моря как индикатор крупномасштабного влагообмена в системе “океан–атмосфера–суша” // Труды Карельского научного центра РАН. 2020. № 4. С. 5–20.; Никонова Р.Е. О причинах и последствиях колебаний уровня Каспийского моря в 20–21 столетиях // Труды ГОИН. 2008. Вып. 211. С. 127–151.; Рычагов Г.И. Колебания уровня Каспийского моря: причины, последствия, прогноз // Вестн. Моск. ун-та. Серия 5. География. 2011. № 2. С. 4–11.; Рычагов Г.И. К методике геоморфологических исследований (геоморфологические уроки Каспия) // Геоморфология. 2019. № 4. С. 27–39.; Соловьёва Н.Н. Исследование зависимости колебаний уровня Каспийского моря от солнечной активности. СПб.: Изд. РГГМУ, 2004. 70 с.; Тужилкин В.С., Косарев А.Н., Архипкин В.С., Никонова Р.Е. Многолетняя изменчивость гидрологического режима Каспийского моря в связи с вариациями климата // Вестн. Моск. ун-та. Серия. 5. География. 2011. № 2. С. 62–71.; Федоров В.М., Фролов Д.М. О возможной физической природе мультидекадного колебания в климатической системе Земли // Сложные системы. 2019. № 1 (30). С. 26–40.; Фролов А.В. Сценарные прогнозы колебаний уровня Каспия с учетом климатических и техногенных воздействий на водный баланс моря // Океанологические исследования. 2019. Т. 47. № 5. С. 130–148.; Хаустов В.В., Костенко В.Д. К прогнозированию колебаний уровня Каспийского моря // Научные ведомости. Серия Естественные науки. 2018. Т. 42. № 2. С. 162–171.; Хромов С.П. Солнечные циклы и климат // Метеорология и гидрология. 1973. № 9. С. 93–110.; Шлямин Б.А. Сверхдолгосрочный прогноз уровня Каспийского моря // Изв. ВГО. 1962. Т. 94. Вып. 1. С. 26–33.; Chen J.L., Pekker T., Wilson C.R., Tapley B.D., Kostianoy A.G., Cretaux J.-F., Safarov E.S. Long-term Caspian Sea level change // Geophys. Res. Lett. 2017. Vol. 44. № 13. P. 6993–7001. https://doi.org/10.1002/2017GL073958; Chen J., Cazenave A.,Wang S.-Y., Li J. Caspian Sea Level Change Observed by Satellite // Altimetry. Remote Sens. 2023. Vol. 15. № 3. Article 703. P. 1–12. https://doi.org/10.3390/rs15030703; Elguindi N., Giorgi F. Projected changes in the Caspian Sea level for the 21st century based on the latest AOGCM simulations // Geophys. Res. Lett. 2006. Vol. 33. № 8. L08706. https://doi.org/10.1029/2006GL025943; https://izvestia.igras.ru/jour/article/view/2365

Dostupnost: https://izvestia.igras.ru/jour/article/view/2365
https://doi.org/10.31857/S2587556623060067

View record from BASE

Nájsť tento článok vo Web of Science

11

Assessment of the Scope of Work for Operational Control of Steel Underground Gas Pipelines, Taking Into Account the Organizational and Logistical Factor ; Оценка объемов работ по эксплуатационному контролю стальных подземных газопроводов с учетом организационно-логистического фактора

Autoři: N. V. Strutsky V. N. Romaniuk Н. B. Струцкий a další

Zdroj: ENERGETIKA. Proceedings of CIS higher education institutions and power engineering associations; Том 67, № 2 (2024); 137-151 ; Энергетика. Известия высших учебных заведений и энергетических объединений СНГ; Том 67, № 2 (2024); 137-151 ; 2414-0341 ; 1029-7448 ; 10.21122/1029-7448-2024-67-2

Témata: анализ временных рядов, operational control, periodic instrument inspection, scope of work, planning, time series analysis, эксплуатационный контроль, периодическое приборное обследование, объем работ, планирование

Popis souboru: application/pdf

Relation: https://energy.bntu.by/jour/article/view/2366/1907; Правила обеспечения промышленной безопасности в области газоснабжения Республики Беларусь. Минск: ГИПК «ГАЗ-ИНСТИТУТ», 2023. 185 с.; СТП 03.05–2014. Система технического обслуживания и ремонта систем газоснабжения. Периодическое приборное техническое обследование стальных подземных газопроводов. Минск: УП «НОТ», 2014. 17 с.; Дуброва, Т. А. Статистические методы прогнозирования / Т. А. Дуброва. М.: ЮНИТИ-ДАНА, 2003. 206 с.; Хацкевич, Г. А. Эконометрика: учебник / Г. А. Хацкевич, Т. В. Русилко. Минск: РИВШ, 2021. 452 с.; Лаптева, Е. В. Статистические методы оценки принятия управленческих решений / Е. В. Лаптева, Л. В. Золотова. Оренбург: ООО ИПК «Университет», 2015. 115 с.; Введение в анализ временных рядов: учеб. пособие для вузов / Н. В. Артамонов [и др.]; Московский государственный университет имени М. В. Ломоносова, Московская школа экономики. Вологда: ВолНЦ РАН, 2021. 134 с.; Сидоров, С. Г. Анализ временных рядов как метод построения прогноза потребления электроэнергии / С. Г. Сидоров, А. В. Никологорская // Вестник ИГЭУ. 2010. № 3. С. 1–3.; Малышев, Е. А. Повышение эффективности энергопотребления в бюджетной сфере региона / Е. А. Малышев // Региональная экономика: теория и практика. 2007. № 7. С. 99–108.; Бугаева, Т. М. Современные методы планирования энергосистемы города / Т. М. Бугаева, О. В. Новикова // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2019. Т. 62, № 4. С. 377–387. https://doi.org/10.21122/1029-7448-2019-62-4-377-387.; Прогнозирование часов пик энергопотребления региональных энергосистем / С. Р. Саитов [и др.] // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2024. Т. 67, № 1. С. 78–91. https://doi.org/10.21122/1029-7448-2024-67-1-78-91.; Энциклопедия статистических терминов. Т. 1: Методологические основы статистики. М.: Федеральная служба государственной статистики, 2011. 183 с.; ГОСТ 10518–88. Системы электрической изоляции. Общие требования к методам ускоренных испытаний на нагревостойкость. М.: Гос. комитет СССР по стандартам, 1988. 28 с.; ГОСТ Р 51372–99. Методы ускоренных испытаний на долговечность и сохраняемость при воздействии агрессивных и других специальных сред для технических изделий, материалов и систем материалов. М.: Изд-во стандартов, 2000. 59 с.; ГОСТ Р ИСО 5275-2–2002. Точность (правильность и прецизионность) методов и результатов измерений. Ч. 2. М.: Изд-во стандартов, 2002. 51 с.; Садовникова, Н. А. Анализ временных рядов и прогнозирование: учеб.-метод. комплекс /Н. А. Садовникова, Р. А. Шмойлова. М.: Ун-т Синергия, 2016. 151 с.; Трофимец, А. А. Аналитическое выравнивание временных рядов: теоретические аспекты / А. А. Трофимец, Е. Н. Трофимец // Актуальные научные исследования в современном мире. 2021. № 11–3 (79). С. 262–267.; Громова, Н. М. Основы экономического прогнозирования / Н. М. Громова, Н. И. Громова. М.: Академия естествознания, 2007. 112 с.; Воскобойников, Ю. Е. Эконометрика в Excel. Ч. 2: Анализ временных рядов: учеб. пособие / Ю. Е. Воскобойников. Новосибирск: НГАСУ (Сибстрин), 2008. 156 с.; Струцкий, Н. В. Некоторые вопросы обеспечения полноты и достоверности эксплуатационных данных, получаемых в ходе приборного обследования стальных подземных газопроводов / Н. В. Струцкий, В. Н. Романюк // Наука и техника. 2024. Т. 23, № 1. С. 58–66. https://doi.org/10.21122/2227-1031-2024-23-1-58-66.; Большакова, Л. В. Проблемы использования средней ошибки аппроксимации в качестве критерия адекватности регрессионной модели / Л. В. Большакова, А. В. Грачев // Региональная информатика и информационная безопасность: материалы междунар. науч.- практ. конф. (Санкт-Петербург, 26–28 октября 2016 г.). Санкт-Петербург: Изд-во Санкт-Петербург. общества информатики, вычислительной техники, систем связи и управления, 2016. С. 162–164.; https://energy.bntu.by/jour/article/view/2366

Dostupnost: https://energy.bntu.by/jour/article/view/2366
https://doi.org/10.21122/1029-7448-2024-67-2-137-151

View record from BASE

Nájsť tento článok vo Web of Science

12

Government debt forecasting based on the Arima model

Autoři: Fedir Zhuravka Hanna Filatova John O. Aiyedogbon

Zdroj: Public and Municipal Finance, Vol 8, Iss 1, Pp 120-127 (2020)

Témata: долг, борг, 05 social sciences, аналіз часових рядів, 1. No poverty, modeling, Public finance, K4430-4675, time series analysis, устойчивость долга, 0502 economics and business, debt sustainability, анализ временных рядов, стійкість боргу, debt, Ukraine

Popis souboru: application/pdf

Přístupová URL adresa: https://www.businessperspectives.org/images/pdf/applications/publishing/templates/article/assets/13031/PMF_2019_01_Zhuravka.pdf
https://doaj.org/article/520c97ddf21146998ef76f9712859259
https://www.businessperspectives.org/index.php/journals/public-and-municipal-finance/issue-324/government-debt-forecasting-based-on-the-arima-model
https://essuir.sumdu.edu.ua/handle/123456789/84350

View record at OpenAIRE

Nájsť tento článok vo Web of Science

13

The Importance of Business Partnership on the World Wide Web

Autoři: Kiss, L.B.

Zdroj: Business Ethics and Leadership, Vol 4, Iss 1, Pp 68-79 (2020)

Témata: google trends, HF5001-6182, google books ngram viewer, 05 social sciences, аналіз часових рядів, 1. No poverty, деловое партнерство, science direct, time series analysis, 0502 economics and business, business partnership, анализ временных рядов, Business, ділове партнерство

Popis souboru: application/pdf

Přístupová URL adresa: https://armgpublishing.sumdu.edu.ua/wp-content/uploads/2020/04/6-1.pdf
https://doaj.org/article/1e118996e7df4c74bee85a7e94aa2f54
https://essuir.sumdu.edu.ua/handle/123456789/77462
https://essuir.sumdu.edu.ua/bitstream/123456789/77462/1/Kiss_The_Importance_of_Business.pdf
https://essuir.sumdu.edu.ua/handle/123456789/77462

View record at OpenAIRE

Nájsť tento článok vo Web of Science

14

Energy Consumption in COVID-19 Impact: Data Analysis and Deep Learning Modeling : master's thesis

Autoři: Muhammad, A. A. M. Ронкин, М. В. Ronkin, M. V. a další

Přispěvatelé: Muhammad, A. A. M. Ронкин, М. В. Ronkin, M. V. a další

Popis souboru: application/pdf

Přístupová URL adresa: http://elar.urfu.ru/handle/10995/140560

View record at OpenAIRE

Nájsť tento článok vo Web of Science

15

Прогнозирование и планирование потребления электроэнергии промышленными предприятиями с помощью методов машинного обучения: выпускная квалификационная работа бакалавра

Témata: обработка набора данных, прогнозирование энергопотребления, data set processing, машинное обучение, machine learning, time series analysis, energy consumption forecasting, Prophet, анализ временных рядов, time series forecasting, прогнозирование временных рядов, оптимизация энергопотребления, energy consumption optimisation, XGBoost

Nájsť tento článok vo Web of Science

16

Statistical Analysis of Observation Data of Air-Sea Interaction in the North Atlantic ; Статистический анализ данных наблюдений потоков взаимодействия океана и атмосферы в северной Атлантике

Autoři: Тучкова, Наталия Павловна Беляев, Константин Павлович Михайлов, Гурий Михайлович

Zdroj: Russian Digital Libraries Journal; Vol. 26 No. 1 (2023): Special issue «Scientific Services & Internet». Part 2; 122-133 ; Электронные библиотеки; Том 26 № 1 (2023): Тематический выпуск по материалам XXIV Всероссийской научной конференции «Научный сервис в сети Интернет», 19–23 сентября 2022 года. Часть 2.; 122-133 ; 1562-5419

Témata: УДК 519.6, УДК 519.2, анализ временных рядов, климатический сезонный ход, максимальные и минимальные значения давления внутри климатического года, UDC 519.6, UDC 519.2, time series analysis, climatic seasonal cycle, maximum and minimum heat fluxes and temperature values within a climatic year

Popis souboru: application/pdf

Relation: https://rdl-journal.ru/article/view/763/847; https://rdl-journal.ru/article/view/763

Dostupnost: https://rdl-journal.ru/article/view/763

View record from BASE

Nájsť tento článok vo Web of Science

17

ОЦЕНКА ВЗАИМОСВЯЗИ ПАРАМЕТРОВ МИКРОКЛИМАТА С УЧЕТОМ ТЕПЛОВОЙ ИНЕРЦИИ ВНЕШНИХ СТЕН ЗДАНИя

Témata: анализ временных рядов, микроклимат, идентификация динамической модели, коэффициент корреляции Пирсона

Nájsť tento článok vo Web of Science

18

Статистические подходы к анализу и моделированию сезонности в демографических данных

Zdroj: Демографическое обозрение, Vol 6, Iss 2, Pp 104-141 (2019)

Témata: Demography. Population. Vital events, прогнозирование, демографические данные, анализ временных рядов, ARIMA-модели, статистические методы, HB848-3697, SARIMA-модели, HEGY-тест

Přístupová URL adresa: https://demreview.hse.ru/article/download/9839/10749
https://doaj.org/article/be6efc427da9411b8f6673cd3621caf8
https://cyberleninka.ru/article/n/statisticheskie-podhody-k-analizu-i-modelirovaniyu-sezonnosti-v-demograficheskih-dannyh/pdf
https://demreview.hse.ru/article/download/9839/10749
https://demreview.hse.ru/article/view/9839
https://cyberleninka.ru/article/n/statisticheskie-podhody-k-analizu-i-modelirovaniyu-sezonnosti-v-demograficheskih-dannyh

View record at OpenAIRE

Nájsť tento článok vo Web of Science

19

EXPLORING THE NEXUS BETWEEN TAX REVENUE TRENDS AND SOCIAL CONTRIBUTIONS DEVELOPMENT IN EUROPEAN UNION COUNTRIES

Autoři: Dubrovina, N. A. Neubauerova, E. Kolupaieva, I. V. a další

Zdroj: Фінансово-кредитна діяльність: проблеми теорії та практики, Vol 2, Iss 29 (2019)
Financial and credit activity: problems of theory and practice; Том 2, № 29 (2019); 498-508
Финансово-кредитная деятельность: проблемы теории и практики; Том 2, № 29 (2019); 498-508
Фінансово-кредитна діяльність: проблеми теорії та практики; Том 2, № 29 (2019); 498-508

Témata: HF5001-6182, податкове навантаження, податкові надходження, країни ЄС, аналіз часових рядів, прогнозування, налоговая нагрузка, налоговые поступления, страны ЕС, анализ временных рядов, прогнозирование, 0211 other engineering and technologies, 1. No poverty, tax burden, forecasting, 02 engineering and technology, EU-countries, 16. Peace & justice, tax revenue, time serious analysis, Economics as a science, 336.221.262: 369.04, 8. Economic growth, 0202 electrical engineering, electronic engineering, information engineering, Business, HB71-74