Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Prognozowanie szeregów czasowych" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Wielomodelowe prognozowanie liczby pasażerów przewożonych krajowym transportem lotniczym w Stanach Zjednoczonych w 2021 r.
Multi-model forecast of the number of passengers transported by domestic air transport in the United States for 2021
Autorzy:
Kozicki, Bartosz
Sowa, Bogdan
Powiązania:
https://bibliotekanauki.pl/articles/2085882.pdf
Data publikacji:
2021-07-31
Wydawca:
Polskie Wydawnictwo Ekonomiczne
Tematy:
transport
transport lotniczy
COVID-19
prognozowanie
analiza szeregów czasowych
air transport
forecasting
time series analysis
Opis:
W artykule przedstawiono dane dotyczące liczby pasażerów przewiezionych pasażerskim transportem lotniczym krajowym i międzynarodowym w Stanach Zjednoczonych w ujęciu miesięcznym w latach 2003–2020 i ich prognozowania na 2021 r. Badania rozpoczęto od analizy i oceny dwóch szeregów czasowych dotyczących liczby pasażerów przewiezionych transportem lotniczym pasażerskim w Stanach Zjednoczonych w ujęciu krajowym i międzynarodowym. Zbudowano model Kleina, za pomocą którego wykonano prognozowanie szeregu czasowego liczby pasażerów przewożonych transportem lotniczym krajowym w ujęciu miesięcznym na rok 2021. Zbudowany model jest połączeniem prognozowania ilościowego i jakościowego.
The article presents data on the number of passengers transported by domestic and international passenger air transport in the United States on a monthly basis in the years 2003–2020 and their forecasting for 2021. The research began with the analysis and evaluation of two time series concerning the number of passengers transported by passenger air transport in the United States in terms of national and international approach. The Klein model was built, which was used to forecast the time series of the number of passengers transported by domestic air transport on a monthly basis for the year 2021. The constructed model is a combination of quantitative and qualitative forecasting.
Źródło:
Gospodarka Materiałowa i Logistyka; 2021, 7; 23-32
1231-2037
Pojawia się w:
Gospodarka Materiałowa i Logistyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie modelu Wintersa do prognozowania jakości powietrza powiatu kędzierzyńsko-kozielskiego
Winters model - a study of applications for forecasting air quality in Kędzierzyn-Koźle county
Autorzy:
Szewczyk, M.
Tłuczak, A.
Powiązania:
https://bibliotekanauki.pl/articles/339242.pdf
Data publikacji:
2010
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
analiza szeregów czasowych
prognozowanie
jakość powietrza
zarządzanie jakością powietrza
air quality management
air quality
forecasting
time-series analysis
Opis:
Powiat Kędzierzyn-Koźle jest jednostką administracji terytorialnej i samorządowej województwa opolskiego, w południowo-zachodniej Polsce. Istniejąca w Kędzierzynie-Koźlu sieć monitoringu powietrza obejmuje dziś tylko jedną w pełni automatyczną stację monitoringu. Emisja wielu zanieczyszczeń powietrza w Kędzierzynie-Koźlu zmniejszyła się znacząco od 1992 r., jednak od 2007 r. stężenie NO2 i pyłu zawieszonego PM10 w powietrzu się nie zmniejszyło. Zmniejszenie stężenia zanieczyszczeń powietrza jest nadal konieczne. Prognozowanie jakości powietrza to jeden z kluczowych elementów współczesnego zarządzania jakością powietrza. W artykule przedstawiono modele i prognozy stężenia SO2, NO2, CO, O3 i PM10, skonstruowane na podstawie danych, pozyskanych z automatycznej stacji monitoringu w Kędzierzynie-Koźlu.
Kędzierzyn-Koźle County is a unit of territorial administration and local government in Opole Voivodeship, south-western Poland. The existing air monitoring network in Kędzierzyn-Koźle comprises only one fully automatic monitoring station now. In Kędzierzyn-Koźle, emissions of many air pollutants have substantially decreased since 1992. However, since 2007, measured concentrations of NO2 and particulate matter PM10 in the air have not shown any improvement. The need to reduce air pollution still remains an important issue. Air quality forecasting is one of the core elements of contemporary air quality management. This paper presents models and forecasts of SO2, NO2, CO, O3 and PM10 concentrations based on data from automatic monitoring station in Kędzierzyn-Koźle.
Źródło:
Woda-Środowisko-Obszary Wiejskie; 2010, 10, 3; 283-296
1642-8145
Pojawia się w:
Woda-Środowisko-Obszary Wiejskie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting municipal waste accumulation rate and personal consumption expenditures using vector autoregressive (VAR) model
Autorzy:
Bień, Jurand
Powiązania:
https://bibliotekanauki.pl/articles/23966648.pdf
Data publikacji:
2022
Wydawca:
Stowarzyszenie Menedżerów Jakości i Produkcji
Tematy:
wskaźnik akumulacji odpadów
wydatki konsumpcyjne
prognozowanie
analiza szeregów czasowych
wielowymiarowe szeregi czasowe
model autoregresji wektorowej
waste accumulation rate
consumption expenditures
forecasting
time-series analysis
multivariate time series models
vector autoregression model
Opis:
Accurate forecasting of municipal solid waste (MSW) generation is important for the planning, operation and optimization of municipal waste management system. However, it’s not easy task due to dynamic changes in waste volume, its composition or unpredictable factors. Initially, mainly conventional and descriptive statistical models of waste generation forecasting with demographic and socioeconomic factors were used. Methods based on machine learning or artificial intelligence have been widely used in municipal waste projection for several years. This study investigates the trend of municipal waste accumulation rate and its relation to personal consumption expenditures based on the yearly data achieved from Local Data Bank (LDB) driven by Polish Statistical Office. The effect of personal consumption expenditures on the municipal waste accumulation rate was analysed by using the vector autoregressive model (VAR). The results showed that such method can be successfully used for this purpose with an approximate level of 2.3% Root Mean Square Error (RMSE).
Źródło:
Production Engineering Archives; 2022, 28, 2; 150--156
2353-5156
2353-7779
Pojawia się w:
Production Engineering Archives
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies