Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Time series forecasting" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 17
Tytuł:
Neuronowe prognozowanie szeregów czasowych metodą przesuwanego okna danych
Neural forecasting of time series by means of the moving data window technique
Autorzy:
Morajda, Janusz
Powiązania:
https://bibliotekanauki.pl/articles/415611.pdf
Data publikacji:
2007
Wydawca:
Małopolska Wyższa Szkoła Ekonomiczna w Tarnowie
Tematy:
szeregi czasowe
sieci neuronowe
prognozowanie
time series
neural networks
forecasting
Opis:
W artykule zaprezentowano opartą na sieciach neuronowych metodę analizy i prognozowania szeregów czasowych, wykorzystującą technikę przesuwanego okna danych. Przedstawiono badania zastosowania tej metody dla szeregu czasowego cen detalicznych benzyny w USA. Dokonano oceny efektywności metody oraz porównano ją z wybranymi klasycznymi narzędziami analizy szeregów czasowych.
The paper outlines a method of time series analysis and forecasting based on neural networks, which utilises a moving data window technique. The research on the application of the method for time series has been described with reference to retail prices of gas oline in the USA. The effectiveness of the method has been evaluated and compared with selected classical tools of time series analysis.
Źródło:
Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie; 2007, 1(10); 189-199
1506-2635
Pojawia się w:
Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie produktywności dla przedsiębiorstwa produkcyjnego
Productivity forecasting for a manufacturing company
Autorzy:
Rostek, M.
Knosala, R.
Powiązania:
https://bibliotekanauki.pl/articles/112820.pdf
Data publikacji:
2017
Wydawca:
STE GROUP
Tematy:
produktywność
prognozowanie
wygładzanie szeregu czasowego
forecasting
productivity
smoothing time series
Opis:
Celem publikacji jest wyznaczenie wartości wskaźnika produktywności całkowitej na kolejny okres w przedsiębiorstwie produkcyjnym. W artykule zastosowano klasyczne metody prognozowania, które mogą mieć zastosowanie do przewidywania wskaźnika produktywności. Dokonana została ocena wyznaczonych prognoz oraz wybór najlepiej dopasowanego sposobu prognozowania. Celem analizy jest szacowanie przyszłych wartości produktywności, aby z wyprzedzeniem można było reagować na przewidywane spadki. W wyniku przeprowadzonych badań najmniejszym średnim względnym błędem prognozy obarczony był model wyznaczony za pomocą wygładzania wykładniczego metodą Holta.
The aim of the publication is to determine the value of the total productivity index for the next period in the manufacturing company. In the article uses classical forecasting methods that can be used to forecast the productivity index. An assessment of the forecasts and the selection of the best fit for forecasting has been done. The aim of the analysis is to estimate the future value of productivity so that anticipation can be anticipated in advance. As a result of the research, the smallest mean percentage error was burdened by a model determined by Holt exponential smoothing.
Źródło:
Systemy Wspomagania w Inżynierii Produkcji; 2017, 6, 9; 83-93
2391-9361
Pojawia się w:
Systemy Wspomagania w Inżynierii Produkcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie kolejnych wartości pomiarowego szeregu czasowego z zastosowaniem sztucznych sieci neuronowych i funkcji trygonometrycznych
Forecasting the next value measurement time series with the use of artificial neural networks and trigonometric functions
Autorzy:
Stachno, A.
Suproniuk, M.
Powiązania:
https://bibliotekanauki.pl/articles/156296.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
prognozowanie
szeregi czasowe
sieci neuronowe
forecasting
time series
artificial neural networks
Opis:
W artykule przedstawiono wyniki badań prognozowania kolejnych wartości pomiarowych szeregów czasowych z zastosowaniem sztucznych sieci neuronowych. Metoda ta umożliwia analizę danych pomiarowych, pochodzących z obiektu, który nie posiada modelu matematycznego. Zbudowanie modelu neuronowego na podstawie szeregu czasowego, odzwierciedlającego dane pomiarowe jest często jedyną metodą przybliżenia sposobu działania obiektu. Wykorzystanie tego modelu do prognozowania zachowania się obiektu w przyszłości może uwzględniać dodatkowo zestaw funkcji trygonometrycznych oraz autorskiej metody WMF wygładzania szeregu czasowego. Przeprowadzone badania wykazały znaczący wzrost dokładności prognoz oraz możliwość uniezależnienia ich od wyprzedzenia czasowego.
The paper presents the results of forecasting subsequent measurement values of the time series (Fig. 1) using artificial neural networks. This method allows the analysis of measurement data [1], coming from an object that does not have a mathematical model. The only representation of the actual state of the output object is approximation of its properties using the neural model, automatically-adapting with respect to the output (Fig. 2). Creating a neural model based on the time series reflecting the measurement data is often the only way to approach the object operation. The use of this model for forecasting the behavior of the object in the future may include an additional set of trigonometric functions (Fig. 7), appropriately presented at the inputs of the neural network. As described in the work, the result of the time series to supplement additional, independent from the object data is to improve the forecast accuracy of successive values of the time series. Taking into account in the forecasting process data smoothing the author's method WMF [1] (Fig. 8), causes a significant increase in the accuracy of the obtained forecast results. The study showed the possibility of using trigonometric functions as input learning network. In addition, there was shown the increase in the accuracy of forecasts of successive values of the time series with different advance and independence of it from historical data (Fig. 10).
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 9, 9; 764-767
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metodyka wyboru metody prognozowania wizyt na stronie internetowej w przedsiębiorstwie turystycznym
Methodology for the selection of the forecasting method of visits on the website in the tourist enterprise
Autorzy:
Kozicki, Bartosz
Tomaszewski, Jarosław
Powiązania:
https://bibliotekanauki.pl/articles/1384802.pdf
Data publikacji:
2019
Wydawca:
Polskie Wydawnictwo Ekonomiczne
Tematy:
analiza wielowymiarowa
szereg czasowy
seria
prognozowanie
przedsiębiorstwo turystyczne
multidimensional analysis
time series
series
forecasting
tourist enterprise
Opis:
W artykule poruszono problem badawczy związany z analizą danych pierwotnych, jej oceną, wyborem najlepszej metody do prognozy na przyszłość. Badania rozpoczęto od wykorzystania narzędzi badawczych do poszukiwania istnienia w szeregu czasowym pierwotnym zależności. Następnym krokiem było pogrupowanie danych, ich analiza i ocena. Uzyskane oceny stały się przesłanką zbudowania modelu zerojedynkowego regresji wielorakiej w celu potwierdzenia wykrytych zależności. Stwierdzone zależności pozwoliły na sprowadzenie szeregu pierwotnego do stacjonarności. Szereg czasowy został podzielony na dwie części: uczącą i testową. Wskutek krytycznej analizy literatury i uzyskanych zależności wybrano trzy najlepsze metody do prognozy szeregu uczącego na okres równy szeregowi testowemu. Uzyskane prognozy zostały poddane ocenie przy zastosowaniu obserwacji wzrokowej i MAPE. Wybrano najlepszą metodę, którą wykonano prognozowanie szeregu czasowego pierwotnego na 2019 rok (202 przyszłe okresy).
In this article the author raises the research problem regarding the analysis of original data, its evaluation and the selection of the best forecasting method for the future. The research was initiated with the application of research tools in order to search for the relationships within the original time series. The following step was to group data, analyze and evaluate them. The results obtained were the premise for the construction of a zero-one model of multiple regression in order to confirm the relationships found. The detected relationships enabled to bring down the original series to stationarity. Time series was divided into two parts: teaching and testing ones. Due to the critical analysis of literature and the relationships obtained, three best forecasting methods of teaching series were selected for the same period of testing series. The forecasting obtained were evaluated by means of visual observation and MAPE. The best method was selected for the forecasting of the original time series for 2019 (202 future periods).
Źródło:
Gospodarka Materiałowa i Logistyka; 2019, 7; 20-43
1231-2037
Pojawia się w:
Gospodarka Materiałowa i Logistyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Time series analysis of reference crop evapotranspiration for Bokaro District, Jharkhand, India
Analiza serii czasowych ewapotranspiracji potencjalnej upraw w dystrykcie Bokaro, Jharkhand, Indie
Autorzy:
Gautam, R.
Sinha, A. K.
Powiązania:
https://bibliotekanauki.pl/articles/293179.pdf
Data publikacji:
2016
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
ARIMA model
evapotranspiration
forecasting
time series
ewapotranspiracja
model ARIMA
prognozowanie
serie czasowe
Opis:
Evapotranspiration is the one of the major role playing element in water cycle. More accurate measurement and forecasting of Evapotranspiration would enable more efficient water resources management. This study, is therefore, particularly focused on evapotranspiration modelling and forecasting, since forecasting would provide better information for optimal water resources management. There are numerous techniques of evapotranspiration forecasting that include autoregressive (AR) and moving average (MA), autoregressive moving average (ARMA), autoregressive integrated moving average (ARIMA), Thomas Feiring, etc. Out of these models ARIMA model has been found to be more suitable for analysis and forecasting of hydrological events. Therefore, in this study ARIMA models have been used for forecasting of mean monthly reference crop evapotranspiration by stochastic analysis. The data series of 102 years i.e. 1224 months of Bokaro District were used for analysis and forecasting. Different order of ARIMA model was selected on the basis of autocorrelation function (ACF) and partial autocorrelation (PACF) of data series. Maximum likelihood method was used for determining the parameters of the models. To see the statistical parameter of model, best fitted model is ARIMA (0, 1, 4) (0, 1, 1)12.
Ewapotranspiracja jest jednym z głównych elementów obiegu wody. Dokładniejsze pomiary i możliwość prognozowania ewapotranspiracji mogłyby umożliwić wydajniejsze zarządzanie zasobami wodnymi. Dlatego prezentowane w niniejszej pracy badania skoncentrowane były na modelowaniu i prognozowaniu ewapotranspiracji, ponieważ prognozowanie zapewni więcej informacji do optymalnego zarządzania zasobami wodnymi. Istnieje wiele technik prognozowania ewapotranspiracji, takich jak autoregresja (AR), średnia ruchoma (MA), autoregresyjna średnia ruchoma (ARMA), autoregresyjna zintegrowana średnia ruchoma (ARIMA), metoda Thomasa– Feiringa i inne. Stwierdzono, że spośród nich ARIMA jest bardziej odpowiednia do analizy i prognozowania zdarzeń hydrologicznych. Z tego powodu wykorzystano model ARIMA do prognozowania miesięcznych średnich wartości ewapotranspiracji potencjalnej poprzez analizę stochastyczną. Do analiz i prognozowania użyto serii danych ze 102 lat (1224 miesiące) z dystryktu Bokaro. Na podstawie funkcji autokorelacji (ACF) i cząstkowych autokorelacji (PACF) serii danych wybrano różny porządek modelu ARIMA. Do wyznaczenia parametrów modelu wykorzystano metodę maksymalnego prawdopodobieństwa. Najlepiej dostosowanymi parametrami statystycznymi modelu okazały się ARIMA (0, 1, 4) (0, 1, 1)12.
Źródło:
Journal of Water and Land Development; 2016, 30; 51-56
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Review of the book ,,The analysis and forecasting of time series. Practical introduction on the basis of the R environment by: A. Zagdanski and A. Suchwałko
Autorzy:
Burnecki, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/747794.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Matematyczne
Tematy:
time series models
forecasting
data analysis
modele szeregów czasowych
prognozowanie
analiza danych
Opis:
Niniejsza książka stanowi praktyczne wprowadzenie do modelowania w środowisku R różnorodnych danych zbieranych w regularnych odstępach czasu. Książka adresowana jest do wszystkich zainteresowanych modelami szeregów czasowych a szczególnie do studentów i absolwentów kierunków ścisłych, ekonomicznych oraz technicznych.
This book provides a practical introduction to the R environment variety of modeling data collected at regular intervals. The book is addressed to anyone interested in time series models, and mainly to students and graduates of scientific, economic and technical faculties. 
Źródło:
Mathematica Applicanda; 2016, 44, 2
1730-2668
2299-4009
Pojawia się w:
Mathematica Applicanda
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Z badań nad metodami prognozowania na podstawie niekompletnych szeregów czasowych z wahaniami okresowymi (sezonowymi)
Studies of methods applied to forecasting incomplete data in seasonal time series
Autorzy:
Szmuksta-Zawadzka, Maria
Zawadzki, Jan
Powiązania:
https://bibliotekanauki.pl/articles/422819.pdf
Data publikacji:
2012
Wydawca:
Główny Urząd Statystyczny
Tematy:
szeregi czasowe
wahania sezonowe
brakujące dane
prognozowanie
time series
seasonal fluctuations
missing data
forecasting
Opis:
Praca została poświęcona syntetycznemu omówieniu wyników wieloletnich badań autorów nad zastosowaniami metod prognozowania w warunkach braku pełnej informacji w szeregach czasowych z wahaniami sezonowymi. Rozważania odnosić się będą do dwóch rodzajów luk w danych: systematycznych i niesystematycznych. Z lukami systematycznymi mamy do czynienia wtedy, gdy nie są dostępne informacje liczbowe przynajmniej o jednym podokresie w całym przedziale czasowym „próby”. Rozpatrywane będą metody prognozowania zarówno dla danych oryginalnych (z sezonowością) jak i danych, z których wyeliminowano wahania sezonowe. Egzemplifikacją rozważań o charakterze teoretycznym będzie przykład empiryczny.
This work presents discussion about results of long-term of authors research on applications of different forecasting methods in condition of lack of full information. There will be considered two types of gaps in data: systematic and unsystematic. The systematic gaps in data are only when we have not any information about at least one sub-period in the whole of analyzed data. There will be presented two types of methods applied to time series with and without seasonal component. Exemplification of theoretical considerations will be an empirical example.
Źródło:
Przegląd Statystyczny; 2012, 59, numer specjalny 1; 140-154
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The importance of data revisions for statistical inference
Znaczenie rewizji danych dla wnioskowania statystycznego
Autorzy:
Ziembińska, Paulina
Powiązania:
https://bibliotekanauki.pl/articles/985676.pdf
Data publikacji:
2021
Wydawca:
Główny Urząd Statystyczny
Tematy:
data revisions
real-time data
time series analysis
forecasting
rewizje danych
dane w czasie rzeczywistym
analiza szeregów czasowych
prognozowanie
Opis:
The aim of the study is a quantitative analysis of revisions conducted by means of a new, real-time macroeconomic dataset for Poland, designed on the basis of the Statistical bulletin (Biuletyn statystyczny) published by Statistics Poland, covering the period from as early as 1995 until 2017. Polish data have positively verified a number of hypotheses concerning the impact of data revisions on the modelling process. Procedures assessing the properties of time series can yield widely discrepant results, depending on the extent to which the applied data have been revised. A comparison of the fitted ARIMA models for series of initial and final data demonstrates that the fitted models are similar for the majority of variables. In the cases where the form of the model is identical for both series, the coefficients retain their scale and sign. Most differences between coefficients result from a different structure of the fitted model, which causes differ-ences in the autoregressive structure and can have a considerable impact on the ex ante infer-ence. A prognostic experiment confirmed these observations. For a large number of variables, the total impact of revisions on the forecasting process exceeds 10%. Extreme cases, where the impact goes beyond 100%, or situations where data have a direct impact on the forecast sign, are also relatively frequent. Taking these results into account by forecasters could significantly improve the quality of their predictions. The forecast horizon has a minor impact on these conclusions. The article is a continuation of the author's work from 2017.
Celem pracy jest ilościowa analiza rewizji danych makroekonomicznych w czasie rzeczywistym dla Polski pochodzących z nowego zbioru utworzonego na podstawie „Biuletynu statystycznego” GUS i obejmującego okres od 1995 do 2017 r. Polskie dane pozytywnie weryfikują wiele hipotez dotyczących wpływu rewizji danych na proces modelowania. Procedury oceniające własności szeregów czasowych mogą dawać istotnie różne wyniki w zależności od tego, jak bardzo rewidowane dane zostaną użyte. Porównanie dopasowanych modeli ARIMA dla szeregów pierwszych i finalnych odczytów wskazuje, że w przypadku większości zmiennych dopasowane modele są podobne. Gdy postać modelu jest taka sama dla obu szeregów, współczynniki zachowują skalę i znak. Większość różnic we współczynnikach wynika z odmiennej struktury dopasowanego modelu, co wpływa na różnice w strukturze autoregresyjnej i może mieć niemały wpływ na wnioskowanie ex ante. Potwierdza to eksperyment prognostyczny. Dla dużej części zmiennych całkowity wpływ rewizji na proces prognozowania wynosi powyżej 10%. Nie są też wyjątkiem ekstremalne przypadki, w których ten wpływ przekracza 100%, czy sytuacje, w których dane bezpośrednio wpływają na znak prognozy. Uwzględnienie tych wyników przez prognostów mogłoby znacząco poprawić jakość predykcji. Horyzont prognozy ma niewielki wpływ na te konkluzje. Artykuł jest kontynuacją pracy autorki z 2017 r.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2021, 66, 2; 7-24
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
Forecasting Models Based on Fuzzy Logic: An Application on International Coffee Prices
Modele prognostyczne oparte na logice rozmytej: aplikacja dotycząca międzynarodowych cen kawy
Autorzy:
Fatih, Chellai
Powiązania:
https://bibliotekanauki.pl/articles/2168712.pdf
Data publikacji:
2022
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
fuzzy logic
time series
forecasting
coffee prices
FTS models
logika rozmyta
szeregi czasowe
prognozowanie
ceny kawy
Opis:
In recent decades, Fuzzy Time Series (FTS) has become a competitive, sometimes complementary, approach to classical time series methods such as that of Box-Jenkins. This study has two different purposes: a theoretical purpose, presenting an overview of the fuzzy logic and fuzzy time series models, and a practical purpose, which is to estimate and forecast monthly international coffee prices during the period 2000-2022. Analysing and forecasting the dynamics of coffee prices is of great interest to producers, consumers, and other market actors in managing and making rational decisions. The findings showed that international coffee prices exhibited significant fluctuations, with large increases and decreases influenced mainly by the level of top-ranked producers. The forecasted results revealed that a decrease in prices during the next six months (Jan 2023 to June 2023) is expected. Based on the results, it is also clear that the FTS models are more flexible and can be applied in forecasting time-series variables. At the same time, volatility and, sometimes, the unexpected swingsin coffee prices continue to draw more criticism and raise different issues regarding the roles of the markets and countries in ensuring food security.
W ostatnich dziesięcioleciach rozmyte szeregi czasowe stały się konkurencyjnym, czasem uzupełniającym, podejściem wobec klasycznych metod analizy szeregów czasowych, takich jak metoda Boxa-Jenkinsa. Prezentowane badanie ma dwa różne cele: cel teoretyczny, w którym przedstawiono przegląd logiki rozmytej i modeli rozmytych szeregów czasowych, oraz cel praktyczny, którym jest oszacowanie i prognoza miesięcznych międzynarodowych cen kawy w okresie 2000-2022. Analiza i prognozowanie dynamiki cen kawy ma duże znaczenie dla producentów, konsumentów i uczestników rynku w zarządzaniu i podejmowaniu racjonalnych decyzji. Wyniki pokazały, że międzynarodowe ceny kawy wykazywały duże wahania, z dużymi wzrostami i spadkami, na które wpływ miał głównie poziom czołowych producentów. Zgodnie z wynikami prognoz należy spodziewać się spadku cen w ciągu najbliższych sześciu miesięcy (od stycznia do czerwca 2023 r.). Na podstawie uzyskanych wyników można stwierdzić, że modele FTS są bardziej elastyczne i mogą być stosowane w prognozowaniu zmiennych szeregów czasowych. Z drugiej strony zmienność, a czasami nieoczekiwane zmiany cen kawy nadal powodują coraz większą krytykę i sygnalizują, że należy zwrócić uwagę na różne kwestie dotyczące roli rynków i państw w zapewnianiu bezpieczeństwa żywnościowego.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2022, 26, 4; 1-16
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
SYMULACYJNE BADANIE WPŁYWU WYSTĘPOWANIA LUK SYSTEMATYCZNYCH W SZEREGU CZASOWYM DLA DANYCH DZIENNYCH NA DOKŁADNOŚĆ PROGNOZ
THE SIMULATION ANALYSIS OF THE IMPACT OF THE SYSTEMATIC GAPS IN THE DAILY TIME SERIES ON ACCURACY OF FORECASTS
Autorzy:
Oesterreich, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/452983.pdf
Data publikacji:
2017
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
zmienne o wysokiej częstotliwości obserwowania
złożone wahania sezonowe
luki systematyczne
prognozowanie
modele szeregu czasowego
high frequency time series
complex seasonal fluctuations
systematic gaps
forecasting
time series models
Opis:
W pracy przedstawiono wyniki symulacyjnej analizy wpływu występowania luk systematycznych na dokładność prognoz inter- i ekstrapolacyjnych w dziennych szeregach czasowych. Do budowy prognoz wykorzystano klasyczny model szeregu czasowego, w którym wahania sezonowe o cyklach: tygodniowym i rocznym, były opisane za pomocą zmiennych zero-jedynkowych. Zmienną, którą poddano analizie, była dzienna sprzedaż paliw płynnych na stacji paliw X w latach 2012-2014. Pierwsze trzydzieści miesięcy stanowiło przedział czasowy próby, a ostatnie sześć były okresem empirycznej weryfikacji prognoz. Rozpatrywanych było jedenaście wariantów luk systematycznych. Obliczenia zostały wykonane z wykorzystaniem pakietu R oraz Statistica 12.
In the paper was presented the simulation analysis of the impact of systematic gaps on the accuracy of inter- and extrapolative forecasts for daily time series. To forecasts construction were used classical time series model, in which a weekly and an annual seasonality was described by dummy variables. The analysed variable was daily sale of liquid fuels in liters in petrol station X in years 2012-2014. Data in years 2012-2013 were used in model construction and year 2014 was a period of empirical validation of forecasts. Eleven different variants of systematic gaps were examined. Calculations were made using the R statistical environment and the Statsoft Statistica12.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2017, 18, 2; 293-303
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
PROGNOZOWANIE NA PODSTAWIE SZEREGÓW CZASOWYCH O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI DLA LUK NIESYSTEMATYCZNYCH
FORECASTING BASED ON HIGH FREQUENCY TIME SERIES WITH UNSYSTEMATIC GAPS
Autorzy:
Szmuksta – Zawadzka, Maria
Zawadzki, Jan
Powiązania:
https://bibliotekanauki.pl/articles/453212.pdf
Data publikacji:
2016
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
prognozowanie
dane o wysokiej częstotliwości
złożona sezonowość
wyrównywanie wykładnicze
forecasting
high frequency time series
complex seasonality
exponential smoothing
Opis:
W pracy przedstawione zostaną wyniki zastosowania wybranych modeli wyrównywania wykładniczego w prognozowaniu zmiennej o bardzo wysokiej częstotliwości, obserwowanej w okresach godzinnych, dla luk niesystematycznych, oczyszczonej z dwóch lub trzech rodzajów sezonowości. Rozpatrywany był wariant, w którym luki występują w każdym z rodzajów wahań składowych.
In the paper will be presented the results of the application of selected models of exponential smoothing in forecasting of very high frequency variable, observed hourly, with unsystematic gaps, from which two or three types of seasonality fluctuation were eliminated. In the research was used a combination, in which gaps were present in each type of the fluctuation component.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2016, 17, 1; 121-136
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
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
Tytuł:
Modele neuronowe szeregów czasowych godzinowego poboru wody w osiedlach mieszkaniowych
Neural network models of hourly water demand time series in housing areas
Autorzy:
Siwoń, Z.
Cieżak, W.
Cieżak, J.
Powiązania:
https://bibliotekanauki.pl/articles/237770.pdf
Data publikacji:
2011
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
sztuczne sieci neuronowe
szeregi czasowe
prognozowanie
pobór wody
system wodociągowy
artificial neural networks
time series
forecasting
water demand
water supply system
Opis:
Omówiono wyniki modelowania i prognozowania szeregów czasowych poboru wody z miejskich sieci wodociągowych na potrzeby optymalnego sterowania procesem zaopatrzenia w wodę. Zaprezentowano wyniki weryfikacji sztucznych sieci neuronowych na przykładzie wydzielonego rejonu sieci wodociągowej w Kłodzku i we Wrocławiu. Przedstawiono analizę przydatności sztucznych sieci neuronowych w bieżącym prognozowaniu szeregów czasowych godzinowego poboru wody, która wykazała, że optymalne struktury sieci perceptronowych i liniowych nie są skomplikowane, co między innymi ułatwia proces ich douczania lub uczenia od nowa. W praktyce błędy prognozowania przy wykorzystaniu wielowarstwowych perceptronowych sieci neuronowych i liniowych sieci neuronowych okazały się porównywalne lub mniejsze od błędów predykcji wg modeli klasy ARIMA i metod wykładniczego wygładzania szeregów czasowych. Wykazano, że przydatność sieci o radialnych funkcjach bazowych do prognozowania dobowych histogramów godzinowego poboru wody była ograniczona i jednocześnie mniejsza niż sieci liniowych oraz perceptronowych.
The paper outlines the results of modeling and forecasting the water demand time series for the optimal control of water supply processes in municipal water supply systems. The results of verification of the artificial neural network models have been presented for a separate water supply subsystem in Klodzko and in Wroclaw. Analysis of the performance of artificial neural networks when used to develop current predictions of the time series for hourly water demand has revealed that the optimal structures of perceptron and linear networks are not very complicated, which facilitates the process of additional training or re-training. Practically, it has been found that forecasting produces comparable or smaller errors when focused on multilayer perceptron neural networks and linear neural networks than when based on the use of ARIMA models and exponential smoothing of the time series. Applicability of neural networks of radial base functions (RBF) to forecasting daily water demand histograms is limited, and lesser than that of linear and perceptron networks.
Źródło:
Ochrona Środowiska; 2011, 33, 2; 23-26
1230-6169
Pojawia się w:
Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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