Informacja

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

Wyszukujesz frazę "forecast model" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Jednowymiarowe modele natężenia i jakości ścieków dopływających do oczyszczalni komunalnych
One-dimensional models describing the parameters of the influent to the municipal wastewater treatment plant
Autorzy:
Sobota, J.
Szetela, R.
Powiązania:
https://bibliotekanauki.pl/articles/236798.pdf
Data publikacji:
2005
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
ścieki miejskie
natężenie dopływu
wskaźniki jakości
model autoregresji sezonowy
prognozowanie
municipal wastewater
influent flow ratio
organic constituents
seasonal autoregressive model
forecast
Opis:
Zarówno natężenie przepływu, jak i główne wskaźniki jakości ścieków dopływających do oczyszczalni, wykazują dobową powtarzalność. Zjawisko to, nazywane sezonowością, powinno być uwzględniane podczas budowania modeli prognostycznych i symulacyjnych. W pracy przedstawiono wyniki badań nad wyborem najlepszego modelu, opisującego wskaźniki ścieków dopływających do oczyszczalni komunalnych. Na podstawie przeprowadzonych analiz oraz wyników wcześniejszych prac stwierdzono, że klasyczny sezonowy model autoregresji postaci (delta)24Zt=(fi)1(delta)24Zt-1+at opisuje zmienność zarówno natężenia dopływu ścieków jak i wartości wskaźników tlenowych (BZT5, ChZT) lepiej niż niesezonowe modele autoregresji. Wykazano, że modele nie zawierające parametru sezonowości były nieadekwatne. Przy praktycznym zastosowaniu tego modelu okazało się jednak, że nie daje on zadowalających prognoz dla wskaźników nie mających dokładnej dobowej powtarzalności. W wypadku występowania silnych zakłóceń (np. w wyniku intensywnych opadów deszczu następowało zawyżanie prognozowanych wartości w następnej dobie. W pracy zaproponowano zmodyfikowany model w postaci Zt=(fi)1Zt-1+(fi)2Zt-24+(fi)3Zt-25+at inaczej uwzględniający dobową sezonowość. Dzięki temu jakość prognoz uległa znacznej poprawie, nawet w wypadku doby o nietypowej charakterystyce. Ze względu na małe wartości współczynnika (fi)3 oraz stosunkowo duże błędy tego estymatora, w niektórych przypadkach model upraszcza się do postaci Zt=(fi)1Zt-1+(fi)2Zt-24+bo+at. Stwierdzono, że szeregi czasowe niektórych wskaźników jakości nie wykazywały wyraźnego charakteru okresowego. W tym kontekście wprowadzono kryterium operujące pojęciem "pamięci procesu", pozwalające na wstępną ocenę trafności wyboru modelu sezonowego. Wskazano na pewną graniczną wartość "pamięci procesu", poniżej której szeregu czasowego nie daje się adekwatnie opisać modelem sezonowym.
Both the flow rate and the composition of the wastewater stream entering the plant follow a 24-hour diurnal pattern. This phenomenon (also refered to as seasonality) should be taken into account when constructing models for the needs of forecasting or simulation. Our investigations reported on in this paper concentrated on the choice of such a model that would best describe the influents to municipal wastewater treatment plants. Our analyses, as well as the results of our previous studies, have revealed that the classical seasonal autoregressive model (delta)24Zt=(fi)1(delta)24Zt-1+at describes the variability not only of the flow rate but also of the organic constituents (BOD5, COD) better than the nonseasonal autoregressive models. Models that did not include the seasonality parameter were found to be inadequate. It has been shown, however, that the classical seasonal model fails to yield reliable forecast, when applied to time series deviating from exact 24-hour repeatability. Whenever there were episodes of strong disturbance (e.g. due to heavy rainfall), they always produced overrated forecast values for the subsequent 24-hours. In our present paper, the classical model was modified to the form of Zt=(fi)1Zt-1+(fi)2Zt-24+(fi)3Zt-25+at. In this way it was possible to upgrade noticeably the quality of the forecasts, even if a 24-hour period displayed an atypical characteristic. In some cases, when the (fi)3 coefficient took low values, and its estimator error was big, the model was simplified to the form of Zt=(fi)1Zt-1+(fi)2Zt-24+bo+at. It was found that the time series for some wastewater constituents did not show a distinct seasonality. In this context, a criterion was introduced, which involved the notion "process memory", thus enabling the adequacy of the choice of the seasonal model to be preliminarily assessed. It was shown that there is a certain limit value of the "process memory" below which the time series can not be adequately described by the seasonal model.
Źródło:
Ochrona Środowiska; 2005, R. 27, nr 1, 1; 15-22
1230-6169
Pojawia się w:
Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting oil prices
Prognozowanie cen ropy naftowej
Autorzy:
Ejdys, J.
Halicka, K.
Winkowski, C.
Powiązania:
https://bibliotekanauki.pl/articles/256449.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
forecasting
forecast quality
price
crude oil
Holt-Winters model
artificial neural networks
prognozowanie
jakość prognozy
cena
ropa naftowa
model Holta-Wintersa
sztuczna sieć neuronowa
Opis:
The purpose of this article is the use of artificial intelligence methods and exponential smoothing methods to determine the short-term forecast of BRENT oil prices. Another important objective of the research is to conduct a comparative analysis of the quality of the forecasts and make recommendations concerning the constructed forecasting models. Historical data used in this study came from the London Stock Exchange and covered the period from January 2012 to April 2013. The selection of forecasting models was based on the visual decomposition of the time series. The comparative analysis of the quality of the forecasts was carried out, inter alia, on the basis of such measures as mean error (ME), mean absolute error (MAE), root of mean squared error (RMS), mean relative error (MAPE), and the relative error (APE).
Celem niniejszego artykułu jest zastosowanie metod sztucznej inteligencji oraz metod wygładzania wykładniczego do wyznaczenia krótkookresowej prognozy ceny ropy naftowej BRENT. Kolejnym istotnym celem badań jest przeprowadzenie analizy porównawczej jakości otrzymanych prognoz i dokonanie rekomendacji zbudowanych modeli prognostycznych. Dane historyczne wykorzystane w niniejszym badaniu pochodziły z giełdy London Stock Exchange i obejmowały okres od stycznia 2012 r. do kwietnia 2013 r. Wyboru modeli prognostycznych dokonano na podstawie wizualnej dekompozycji szeregu czasowego. Analiza porównawcza jakości otrzymanych prognoz została przeprowadzona między innymi na podstawie takich miar jak średni błąd (ME), średni bezwzględny błąd (MAE), pierwiastek ze średniego kwadratowego błędu (RMS), średni względny błąd (MAPE) oraz względny błąd (APE).
Źródło:
Problemy Eksploatacji; 2014, 1; 5-13
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozy długoterminowe energii elektrycznej w KSE – wybrane problemy
Long-term forecasts of electric energy consumpti on in the domestic power engineering system – selected issues
Autorzy:
Dąsal, K.
Popławski, T.
Rusek, K.
Powiązania:
https://bibliotekanauki.pl/articles/282367.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
prognozowanie
model ekonometryczny
system elektroenergetyczny
metoda doboru zmiennych
prognoza długoterminowa
moc szczytowa
zużycie energii
forecasting
econometric model
power engineering system
method of choice of variables
long-term forecast
peak power
energy consumption
Opis:
Istnieje wiele czynników mających znaczenie w procesie prognozowania. Do najważniejszych zaliczyć należy wybór modelu oraz dobór zmiennych objaśniających w przypadku wielowymiarowego modelu ekonometrycznego. W artykule skoncentrowano się na doborze zmiennych, który odgrywa kluczową rolę. Spośród wielu istniejących i znanych algorytmów doboru zmiennych, w artykule przedstawiono autorsko wybrane trzy metody: metodę pojemności integralnej Hellwiga, metodę współczynnika korelacji cząstkowej oraz metodę współczynnika korelacji wielorakiej. Dla każdej z zastosowanych metod podano syntetyczny opis wyjaśniający istotę jej działania. Wybór modelu do opracowania prognoz potraktowano jako mniej istotny, ponieważ dla każdej metody doboru model jest ten sam. Obliczenia wykonano modelem MRK (Model Rozk?adu Kanonicznego), zamieszczając syntetyczny opis modelu. Wykazano na rzeczywistych danych jak zastosowana metoda doboru zmiennych objaśniających wpływa na uzyskane wyniki prognozy zużycia energii elektrycznej na poziomie kraju. W przykładzie obliczeniowym dysponowano potencjalnym zbiorem z siedmioma zmiennymi objaśniającymi. W opracowaniu zawarto 14 różnych prognoz otrzymanych w wyniku zastosowanych 3 metod wyboru zmiennych. Wyniki dopasowania modeli (prognoz wygasłych) oraz prognoz do 2030 roku, przedstawiono w tabelach i na wykresach. We wnioskach zawarto uwagi dotyczące prognoz długoterminowych podstawowych wielkości dotyczących Krajowego Systemu Elektroenergetycznego, mogące mieć wpływ na poprawność ocen tych prognoz. Zwrócono uwagę na problem poprawności oceny prognoz długoterminowych dotyczącej zużycia energii czy mocy szczytowych. Wskazanie prognoz o mniejszym ryzyku pope?nienia dużych błędów umożliwia równoległa analiza prognozy zużycia energii elektrycznej, prognozy szczytów obciążeń z jednoczesnym wyznaczeniem wielkości umożliwiających realność prognoz. Może to przykładowo być wyznaczenie rocznych stopni obciążenia, dla których mamy ściśle określony zakres zmienności. W przypadku dysponowania jedynie prognozę zużycia energii elektrycznej możliwe są inne analizy, przykładowo porównania energochłonności PKB, energochłonności produktów czy gałęzi gospodarki w wybranych krajach. Jeszcze innym, powszechnie stosowanym wskaźnikiem jest roczne zużycie energii elektrycznej na osobę. Prognozy ludności są jednymi z dokładniejszych, stąd ten wskaźnik może być dobrym odniesieniem przy porównywaniu prognoz.
There exist a number of important factors in forecasting processes. The most significant in the case of a multi-dimensional econometric model are the choice of the model and the explanatory variables. This paper focuses on the choice of variables, which plays a crucial role. Among many existing and recognized algorithms for the selection of variables, the following three chosen arbitrarily by the authors are presented: the method of integral capacity by Hellwig, the partial correlation coefficient, and multiple correlation coefficient. For each considered method, a synthetic description explaining its action is given. The choice of the model for making forecasts was treated as less significant because, for each method, the same model is used. Calculations were made using the MRK (Model of Canonical Distribution) model. The synthetic description of the model is also provided. Using real-life data, the analysis demonstrates how the method applied in choosing explanatory variables influences the obtained forecast results concerning the consumption of electric energy on a national scale. In the example calculation, a potential dataset of seven explanatory variables was used. The paper summarizes fourteen different forecasts obtained from three methods of variables selection. The results of model fittings (extinct forecasts) and forecasts until 2030 are presented in the form of tables and charts. Concluding remarks concern long-term forecasts of fundamental quantities related to the Domestic Power Engineering System, which may influence the correctness of these forecasts. Particular attention was paid to the issue of the correctness of long-term forecasts related to energy consumption and peak power. An analysis of the forecast of energy consumption, processed parallel to the determination of quantities assessing the reality of these forecasts, makes it possible to indicate the forecasts endowed with the lowest risk of making excessive errors. For example, it may be possible to consider the determination of annual load levels for which a pre-determined, exact level of variability is given. In situations where only the forecast of electric energy consumption is available, it is possible to develop further analyses such as a comparison of energy consumption for a Domestic Brutto Product, energy consumption for products, or economic branches in selected countries. Yet another indicator in common use is annual energy consumption per capita. Forecasts per capita are among the most exact; therefore, this indicator may be a useful tool for comparison of different forecasts.
Źródło:
Polityka Energetyczna; 2012, 15, 4; 71-83
1429-6675
Pojawia się w:
Polityka Energetyczna
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