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 regression" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    Modelling causality between agricultural and meteorological drought indices in the Corong River basin, East Java Indonesia
    Autorzy:
    Affandy, Nur A.
    Iranata, Data
    Anwar, Nadjadji
    Maulana, Mahendra A.
    Prastyo, Dedy D.
    Jaelani, Lalu M.
    Suryadi, F. X.
    Powiązania:
    https://bibliotekanauki.pl/articles/28411634.pdf
    Data publikacji:
    2023
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    drought
    river basin
    standard normalisation difference vegetation index
    NDVI
    standardised precipitation evapotranspiration index
    SPEI
    time series regression
    Opis:
    The Lamongan Regency is an area in East Java, Indonesia, which often experiences drought, especially in the south. The Corong River basin is located in the southern part of Lamongan, which supplies the irrigation area of the Gondang Reservoir. Drought monitoring in the Corong River basin is very important to ensure the sustainability of the agricultural regions. This study aims to analyse the causal relationship between meteorological and agricultural drought indices represented by standardised precipitation evapotranspiration index (SPEI) and standard normalisation difference vegetation index (NDVI), using time series regression. The correlation between NDVI and SPEI lag 4 has the largest correlation test results between NDVI and SPEI lag, which is 0.41. This suggests that the previous four months of meteorological drought impacted the current agricultural drought. A time series regression model strengthens the results, which show a causal relationship between NDVI and SPEI lag. According to the NDVI-SPEI-1 lag 4 time series model, NDVI was influenced by NDVI in the previous 12 periods, and SPEI-1 in the last four periods had a determinant coefficient value of 0.4. This shows that the causal model between SPEI-1 and NDVI shows a fairly strong relationship for drought management in agricultural areas (irrigated areas) and is considered a reliable and effective tool in determining the severity and duration of drought in the study area.
    Źródło:
    Journal of Water and Land Development; 2023, 58; 178--188
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On the estimation of the autocorrelation function
    Autorzy:
    Ortigueira, Manuel
    Powiązania:
    https://bibliotekanauki.pl/articles/730001.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Wydział Matematyki, Informatyki i Ekonometrii
    Tematy:
    time-series autocorrelation
    regression
    Opis:
    The autocorrelation function has a very important role in several application areas involving stochastic processes. In fact, it assumes the theoretical base for Spectral analysis, ARMA (and generalizations) modeling, detection, etc. However and as it is well known, the results obtained with the more current estimates of the autocorrelation function (biased or not) are frequently bad, even when we have access to a large number of points. On the other hand, in some applications, we need to perform fast correlations. The usual estimators do not allow a fast computation, even with the FFT. These facts motivated the search for alternative ways of computing the autocorrelation function. 9 estimators will be presented and a comparison in face to the exact theoretical autocorrelation is done. As we will see, the best is the AR modified Burg estimate.
    Źródło:
    Discussiones Mathematicae Probability and Statistics; 2010, 30, 1; 103-115
    1509-9423
    Pojawia się w:
    Discussiones Mathematicae Probability and Statistics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    O możliwości wykorzystania regresji LOESS w analizie szeregów czasowych
    On the Possibility of Using the LOESS Regression in the Analysis of Time Series
    Autorzy:
    Poniat, Radosław
    Powiązania:
    https://bibliotekanauki.pl/articles/1367725.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Szczeciński. Wydawnictwo Naukowe Uniwersytetu Szczecińskiego
    Tematy:
    LOESS regression
    time series
    ggplot2
    regresja LOESS
    szeregi czasowe
    Opis:
    Artykuł poświęcono metodzie statystycznej znanej jako regresja LOESS i możliwości jej zastosowania w analizie szeregów czasowych. Zalety tej metody omówiono w porównaniu z technikami alternatywnymi: centrowaną średnią ruchomą i regresją liniową wykorzystywaną do wyliczania trendów w czasie. Końcowa część artykułu zawiera instrukcję wyliczania regresji LOESS w programie R z pakietem ggplot2.
    The article presents the statistical method known as the LOESS Regression and a possibility of its application in the analysis of time series. The advantages of the method have been compared to the alternative techniques: the central moving average and the linear regression to calculate the trends in time. The final part of the article contains the instruction of how to calculate the LOESS Regression in the R program with the package ggplot2.
    Źródło:
    Przeszłość Demograficzna Polski; 2016, 38, 2; 104-115
    0079-7189
    2719-4345
    Pojawia się w:
    Przeszłość Demograficzna Polski
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Autoregressive error-processes, cubic splines and tridiagonal matrices
    Autorzy:
    Drygas, Hilmar
    Powiązania:
    https://bibliotekanauki.pl/articles/729816.pdf
    Data publikacji:
    2003
    Wydawca:
    Uniwersytet Zielonogórski. Wydział Matematyki, Informatyki i Ekonometrii
    Tematy:
    autoregressive processes
    cubic splines interpolation
    linear regression model
    time series
    Opis:
    In the paper formulate for the inversion of some tridiagonal matrices are given. The results can be applied to the autoregressive processes.
    Źródło:
    Discussiones Mathematicae Probability and Statistics; 2003, 23, 2; 147-165
    1509-9423
    Pojawia się w:
    Discussiones Mathematicae Probability and Statistics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid wavelet transform – MLR and ANN models for river flow prediction: Case study of Brahmaputra river (Pancharatna station)
    Autorzy:
    Khandekar, Sachin Dadu
    Aswar, Dinesh Shrikrishna
    Sabale, Pandurang Digamber
    Khandekar, Varsha Sachin
    Bajad, Mohankumar Namdeorao
    Powiązania:
    https://bibliotekanauki.pl/articles/36074310.pdf
    Data publikacji:
    2024
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    wavelet transform
    artificial neural network
    multiple linear regression
    streamflow
    Daubechies wavelet
    time series
    Opis:
    In this research, discrete wavelet transform (DWT) is combined with MLR and ANN to develop WMLR and WANN hybrid models, respectively, for the Brahmaputra river (Pancharatna station) flow forecasting. Daily flow data for the period of 10 year were decomposed (up to fifth level) into detailed and approximation coefficients (using Daubechies wavelets db1, db2, db3, db8 and db10) which were fed as input to MLR and ANN to get the predicted discharge values two days, four days, seven days and 14 days ahead. For all lead times, the WMLR-db10 model was found to be superior as compared to WANN-db1, WANN-db2, WANN-db3, WANN-db8, WMLR-db1, WMLR-db2, WMLR-db3, WMLR-db8 and single MLR and ANN models. During testing period, the values of determination coefficient (R2) and RMSE for WMLR-db10 model for two-, four-, seven- and 14-day lead time were found to be, respectively, 0.996 (751.87 m3·s–1), 0.991 (1,174.80 m3·s–1), 0.984 (1,585.02 m3·s–1), and 0.968 (2,196.46 m3·s–1). Also, it was observed that for lower order wavelets (db1, db2, db3) WANN’s performance was better, and for higher order wavelets (db8, db10) WMLR’s performance was better. Correspondingly, it was observed that all hybrid models’ efficiency increased with increase in the decomposition level.
    Źródło:
    Scientific Review Engineering and Environmental Sciences; 2024, 33, 1; 69-94
    1732-9353
    Pojawia się w:
    Scientific Review Engineering and Environmental Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Time series analysis in environmental epidemiology: challenges and considerations
    Autorzy:
    Gudziunaite, Sandra
    Shabani, Zana
    Weitensfelder, Lisbeth
    Moshammer, Hanns
    Powiązania:
    https://bibliotekanauki.pl/articles/23364734.pdf
    Data publikacji:
    2023-12-15
    Wydawca:
    Instytut Medycyny Pracy im. prof. dra Jerzego Nofera w Łodzi
    Tematy:
    statistical methods
    regression models
    environmental epidemiology
    short-term effects
    time series analyses
    confounder control
    Opis:
    In environmental epidemiology, time series analyses represent a widely used statistical tool. However, though being commonly used, there is soften confusion regarding the specific requirements, such as which link function might be most appropriate, when or how to control for seasonality or how to account for lags. The present overview draws from experiences in other disciplines and discusses the proper execution of time series analyses based on considerations that are relevant in environmental epidemiology. Time series analysis in environmental epidemiology focuses on acute events caused by short-term changes in exposure. These exposures should be fairly wide-spread affecting a large number of persons, usually all inhabitants of a political entity. Pollutants in air or drinking water as well as meteorological factors serve as typical examples. Despite the many time series analyses performed world-wide, some health effects that would lend themselves to that approach are still under-explored. This would include also some neurological and psychiatric endpoints.
    Źródło:
    International Journal of Occupational Medicine and Environmental Health; 2023, 36, 6; 704-716
    1232-1087
    1896-494X
    Pojawia się w:
    International Journal of Occupational Medicine and Environmental Health
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On the method of identification of atypical observations in time series
    O metodzie identyfikacji obserwacji nietypowych w szeregach czasowych
    Autorzy:
    Oesterreich, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/424783.pdf
    Data publikacji:
    2020
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    forecasts
    identification
    multiple regression
    time series
    outliers
    prognozy
    identyfikacja
    regresja wieloraka
    szeregi czasowe
    obserwacje odstające
    Opis:
    The paper presents a method of detecting atypical observations in time series with or without seasonal fluctuations. Unlike classical methods of identifying outliers and influential observations, its essence consists in examining the impact of individual observations both on the fitted values of the model and the forecasts. The exemplification of theoretical considerations is the empirical example of modelling and forecasting daily sales of liquid fuels at X gas station in the period 2012-2014. As a predictor, a classic time series model was used, in which 7-day and 12-month cycle seasonality was described using dummy variables. The data for the period from 01.01.2012 to 30.06.2014 were for the estimation period and the second half of 2014 which was the period of empirical verification of forecasts. The obtained results were compared with other classical methods used to identify influential observations and outliers, i.e. standardized residuals, Cook distances and DFFIT. The calculations were carried out in the R environment and the Statistica package.
    W pracy zaproponowano metodę wykrywania obserwacji nietypowych w szeregach czasowych z wahaniami sezonowymi oraz bez tych wahań. Jej istota jej polega na badaniu wpływu poszczególnych obserwacji szeregu na wartości teoretyczne modelu oraz wielkości prognoz zbudowanych na jego podstawie. Egzemplifikacją rozważań o charakterze teoretycznym jest przykład empiryczny dotyczący modelowania i prognozowania dziennej sprzedaży paliw płynnych na stacji paliw X w latach 2012-2014. Dane za okres od 1.01.2012 do 30.06.2014 stanowią okres estymacyjny, a za II półrocze 2014 r. okres empirycznej weryfikacji prognoz. Wyniki otrzymane za jej pomocą zostały porównane z wynikami uzyskanymi innymi metodami służącymi do identyfikacji obserwacji wpływowych oraz odstających, w tym m.in.: reszt standaryzowanych, odległości Cooka oraz DFFIT. Obliczenia przeprowadzono w środowisku R oraz pakiecie Statistica.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2020, 24, 2; 1-16
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Econometric Analysis of the Impact of Climate Change on the Sustainability of Agricultural Production in Ukraine
    Autorzy:
    Skrypnyk, Andriy
    Zhemoyda, Oleksandr
    Klymenko, Nataliia
    Galaieva, Liudmyla
    Koval, Tatiana
    Powiązania:
    https://bibliotekanauki.pl/articles/1839135.pdf
    Data publikacji:
    2021
    Wydawca:
    Polskie Towarzystwo Inżynierii Ekologicznej
    Tematy:
    global climate change
    acreage dynamics
    climate change
    modeling
    crop pattern
    crop acreage
    panel regression
    time series
    Opis:
    The aim of this paper was to determine the mechanisms of climate change impact on the yield of the main exportoriented crops in the agro-climatic zones of Ukraine. The study of the problem of changing the acreage of the main export-oriented crops was conducted according to the data of the State Statistics Service of Ukraine on the time horizon 2000-2018 in the following order: first, the dynamics of the change of the acreage under corn, sunflower and wheat by the agro-climatic zones of Ukraine was analyzed; secondly, the trends of yield changes of these crops were investigated based on the increase in the difference in yields between the northern and southern zones; and, finally, the temporal and spatial expansion in the area of crop propagation were investigated by applying the panel regression method. The findings obtained indicate that the applied models confirm the assumption of the effects of climate change on crop yield changes and the zones expansion in the northern direction. If the country’s wheat area can be considered stable (variation is insignificant), then the corn and sunflower areas have grown steadily under the influence of increasing demand from national and world markets. At the same time, the growing acreage under corn and sunflower occurred in all climatic zones. Stable expansion of corn crops in the north direction in all three agroclimatic zones of Ukraine has been statistically confirmed. The article presents the findings of empirical analysis, which confirm that if the boundaries of soil and climatic zones change, the conditions of growing crops and their yield will consequently change as well. Thus, based on current global forecasts, the impact of weather on Ukraine’s agriculture will increase, and the most negative effects can be expected in the Steppe zone, where the likelihood of weather and climate risks increases, requiring the development of adaptation and mitigation measures as well as exploitation of new potential opportunities that are being opened. Studies have shown that there is an expansion in crops to the north and a change in their pattern, including a significant increase in the area under corn.
    Źródło:
    Journal of Ecological Engineering; 2021, 22, 3; 275-288
    2299-8993
    Pojawia się w:
    Journal of Ecological Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Improving prediction models applied in systems monitoring natural hazards and machinery
    Autorzy:
    Sikora, M.
    Sikora, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/331302.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    zagrożenie naturalne
    szereg czasowy
    k-najbliższy sąsiad
    natural hazards monitoring
    regression rules
    time series forecasting
    k-nearest neighbors
    Opis:
    A method of combining three analytic techniques including regression rule induction, the k-nearest neighbors method and time series forecasting by means of the ARIMA methodology is presented. A decrease in the forecasting error while solving problems that concern natural hazards and machinery monitoring in coal mines was the main objective of the combined application of these techniques. The M5 algorithm was applied as a basic method of developing prediction models. In spite of an intensive development of regression rule induction algorithms and fuzzy-neural systems, the M5 algorithm is still characterized by the generalization ability and unbeatable time of data model creation competitive with other systems. In the paper, two solutions designed to decrease the mean square error of the obtained rules are presented. One consists in introducing into a set of conditional variables the so-called meta-variable (an analogy to constructive induction) whose values are determined by an autoregressive or the ARIMA model. The other shows that limitation of a data set on which the M5 algorithm operates by the k-nearest neighbor method can also lead to error decreasing. Moreover, three application examples of the presented solutions for data collected by systems of natural hazards and machinery monitoring in coal mines are described. In Appendix, results of several benchmark data sets analyses are given as a supplement of the presented results.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 2; 477-491
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wprowadzenie do predykcji z wykorzystaniem sztucznych sieci neuronowych i metod statystycznych
    An introduction to prediction with the use of artificial neural networks and statistical methods
    Autorzy:
    Nawrocka, Monika
    Drozd, Miłosz
    Maszczyk, Adam
    Gołaś, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/459999.pdf
    Data publikacji:
    2015
    Wydawca:
    Fundacja Pro Scientia Publica
    Tematy:
    predykcja
    analiza statystyczna
    regresja
    optymalizacja
    szeregi czasowe
    sieci neuronowe
    prediction
    statistical analysis
    regression
    optimization
    time series
    neural networks
    Opis:
    Podejście statystyczne umożliwia prowadzenie prognoz zdarzeń lub procesów. Wyróżnia się modele regresyjne liniowe i nieliniowe, modele szeregów czasowych oraz modele neuronowe. Predykcja określa przewidywanie przyszłych cech statystycznych zdarzeń losowych, które można zmierzyć. Wyznacza prognozy dla maksymalizacji. Korzyści, jakie wynikają z prognozowania, to: porównywanie, grupowanie, analizowanie zmienności, określania trendów oraz wyznaczania prognoz uzyskanych wyników, z wykorzystaniem optymalnego wektora zmiennych niezależnych predyktorów do wyciągania sukcesywnych wniosków.
    The statistical approach allows the introduction of predictions of events or processes. Among these are linear and nonlinear regression models, time series models and neural models. Prediction is defined by the anticipation of future statistical characteristics of random events which can be measured, and designates forecasts for maximizing. The benefits which stem from prediction are comparison, grouping, analysis of variation, determinion of trends and setting forecasts of the results obtained with the use of an optimal vector of independent variables predictors for drawing successive conclusions.
    Źródło:
    Ogrody Nauk i Sztuk; 2015, 5; 203-211
    2084-1426
    Pojawia się w:
    Ogrody Nauk i Sztuk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wybrane aspekty nieparametrycznego prognozowania nieliniowych szeregów czasowych
    Several Aspects of Nonparametric Prediction of Nonlinear Time Series
    Autorzy:
    Orzeszko, Witold
    Powiązania:
    https://bibliotekanauki.pl/articles/964958.pdf
    Data publikacji:
    2018
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    regresja nieparametryczna
    nieparametryczne prognozowanie
    metody jądrowe
    nieliniowe szeregi czasowe
    analiza Monte Carlo
    nonparametric regression
    nonparametric forecasting
    kernel
    smoothers
    nonlinear time series
    monte carlo study
    Opis:
    Regresja nieparametryczna stanowi obiecujące, lecz jednocześnie wciąż niedoceniane podejście do modelowania finansowych i ekonomicznych szeregów czasowych. Polega ona na konstrukcji modeli nieparametrycznych, w których zależność pomiędzy zmiennymi nie jest wyrażona w postaci funkcji o określonej postaci analitycznej lub parametry charakteryzujące tę zależność należą do przestrzeni nieskończenie wymiarowej. W przeciwieństwie do modeli parametrycznych, modele nieparametryczne nie są ograniczone do określonej z góry postaci, lecz pozwalają „mówić danym samym za siebie”. Z tego względu wydają się interesującym narzędziem prognozowania zwłaszcza w przypadku nieliniowych szeregów czasowych. W zakresie nieparametrycznych metod regresji na szczególną uwagę zasługują estymatory, które w swojej konstrukcji wykorzystują funkcje jądrowe. Spośród nich najczęściej stosowanym jest estymator Nadarai-Watsona, choć obecnie znane są pewne rozwinięcia tego podejścia. Jednym z nich jest Lokalna Jądrowa Regresja Liniowa, będąca połączeniem estymacji jądrowej i lokalnej aproksymacji liniowej. W pracy przeprowadzono symulacje Monte Carlo, mające na celu ocenę przydatności metod regresji jądrowej do prognozowania nieliniowych szeregów czasowych i porównanie ich z innymi metodami prognozowania.
    Nonparametric regression is an alternative to the parametric approach, which consists of applying parametric models, i.e. models of the certain functional form with a fixed number of parameters. As opposed to the parametric approach, nonparametric models have a general form, which can be approximated increasingly precisely when the sample size grows. Hereby they do not impose such restricted assumptions about the form of the modelling dependencies and in consequence, they are more flexible and let the data speak for themselves. That is why they are a promising tool for forecasting, especially in case of nonlinear time series. One of the most popular nonparametric regression method is the NadarayaWatson kernel smoothing. Nowadays, there are a number of variations of this method, like the local-linear kernel estimator, which combines the local linear approximation and the kernel estimator. In the paper a Monte Carlo study is conducted in order to assess the usefulness of the kernel smoothers to nonlinear time series forecasting and to compare them with the other techniques of forecasting.
    Źródło:
    Przegląd Statystyczny; 2018, 65, 1; 7-24
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Weighted prediction method with multiple time series using multi-kernel least squares support vector regression
    Metoda ważonej predykcji wielokrotnych szeregów czasowych z wykorzystaniem wielojądrowej regresji wektorów wspierających metodą najmniejszych kwadratów (LS-SVR)
    Autorzy:
    Guo, Y. M.
    Ran, C. B.
    Li, X. L.
    Ma, J. Z.
    Zhang, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/302067.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    szereg czasowy
    predykcja ważona
    regresja wektorów wspierających metodą najmniejszych kwadratów (LS-SVR)
    uczenie wielojądrowe (MKL)
    time series
    weighted prediction
    least squares support vector regression (LS-SVR)
    multiple kernel learning (MKL)
    Opis:
    Least squares support vector regression (LS-SVR) has been widely applied in time series prediction. Based on the case that one fault mode may be represented by multiple relevant time series, we utilize multiple time series to enrich the prediction information hiding in time series data, and use multi-kernel to fully map the information into high dimensional feature space, then a weighted time series prediction method with multi-kernel LS-SVR is proposed to attain better prediction performance in this paper. The main contributions of this method include three parts. Firstly, a simple approach is proposed to determine the combining weights of multiple basis kernels; Secondly, the internal correlative levels of multiple relevant time series are computed to present the different contributions of prediction results; Thirdly, we propose a new weight function to describe each data's different effect on the prediction accuracy. The experiment results indicate the effectiveness of the proposed method in both better prediction accuracy and less computation time. It maybe has more application value.
    Regresja wektorów wspierających metodą najmniejszych kwadratów (LS-SVR) jest szeroko stosowana w predykcji szeregów czasowych. Opierając się na fakcie, że jeden rodzaj niezdatności może być reprezentowany przez wiele relewantnych szeregów czasowych, w niniejszej pracy wykorzystano wielokrotne szeregi czasowe do wzbogacenia informacji predykcyjnych ukrytych w szeregach czasowych oraz posłużono się metodą uczenia wielojądrowego (multi-kernel) w celu mapowania informacji do wysoko wymiarowej przestrzeni cech, a następnie zaproponowano metodę ważonej predykcji wielokrotnych szeregów czasowych z wykorzystaniem wielojądrowej regresji LS-SVR służącą osiągnięciu lepszej wydajności prognozowania.Metoda składa się z trzech głównych części. Po pierwsze, zaproponowano prosty sposób określania łącznej wagi wielu jąder podstawowych. Po drugie, obliczono wewnętrzne poziomy korelacyjne wielokrotnych szeregów czasowych w celu przedstawienia różnego udziału wyników prognozowania. Po trzecie, zaproponowano nową funkcję wagi do opisu różnego wpływu poszczególnych danych na trafność predykcji. Wyniki doświadczenia wskazują na skuteczność proponowanej metody zarówno jeśli chodzi o lepszą trafność predykcji jak i krótszy czas obliczeniowy. Proponowane rozwiązanie ma potencjalnie dużą wartość aplikacyjną.
    Źródło:
    Eksploatacja i Niezawodność; 2013, 15, 2; 188-194
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie dokładności różnych metod predykcji stężeń zanieczyszczeń powietrza
    A comparison of accuracies of different air pollutants concentration prediction methods
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297662.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring powietrza
    stężenia chwilowe
    dane monitoringu
    brakujące dane
    luki pomiarowe
    aproksymacja
    modele szeregów czasowych
    modele regresyjne
    sieci neuronowe
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    approximation
    time series models
    regression models
    neural networks
    Opis:
    W analizie wykorzystano dane zarejestrowane w latach 2004-2008 na ośmiu stacjach monitoringu powietrza działających w różnych miejscowościach województw łódzkiego i mazowieckiego. W pracy badano możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Ocenę jakości modelowania wykonano poprzez porównanie modelowanych stężeń ze stężeniami rzeczywistymi. Do predykcji stężeń wykorzystano sieci neuronowe. Porównywano dokładność pięciu różnych grup modeli: modeli szeregów czasowych, liniowych modeli regresji wielowymiarowej, nieliniowych modeli regresji wielowymiarowej, liniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu i nieliniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu. Celem praktycznym była rekomendacja optymalnych technik modelowania luki pomiarowej obejmującej pewien dłuższy fragment serii czasowej tylko jednego z zanieczyszczeń powietrza przy założeniu, że są dostępne wszystkie pozostałe dane, w tym dane pochodzące z sąsiednich stacji monitoringu powietrza. Wykonana analiza wykazała, że dla każdego z zanieczyszczeń powietrza należy rekomendować inne metody predykcji, ponieważ występują duże różnice w możliwościach modelowania poszczególnych zanieczyszczeń powietrza. Stężenia takich zanieczyszczeń, jak O3, SO2, PM10 można efektywnie modelować metodą szeregów czasowych, ale tylko do pewnego horyzontu prognozy, po którym regresyjne metody modelowania okazują się dokładniejsze. W modelowaniu stężeń O3 i PM10 efektywne może się okazać wykorzystanie stężeń tych zanieczyszczeń zarejestrowanych na innych stacjach monitoringu powietrza. W przypadku pozostałych zanieczyszczeń NO, NO2 i CO zasadne jest stosowanie tylko jednej metody modelowania - analizy regresji. Liniowe modele regresyjne są mniej dokładne od ich nieliniowych odpowiedników. Różnice dokładności obu typów modeli nie zawsze są duże. Dlatego modele liniowe mogą stanowić praktyczną alternatywę dla nieliniowych odpowiedników.
    Air monitoring data collected over a 5-year period at 8 different measure sites in Central Poland were used as the database for analysis purposes. Approximation of concentrations of monitored air pollutants were done by means of several prediction methods: time series analysis, regression analysis with predictors from a single monitoring station, and regression analysis with external predictors. Separate models were created for O3, NO2, NO, PM10, SO2, CO. Modelled and measured concentrations were compared. As a result prediction errors were calculated for each model. The main objective of analysis was a comparison of prediction results, and recommendation the most accurate modelling methods, dedicated to specified pollutants. The examination was made by means of artificial neural networks, which were employed to create all types of models.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 4; 307-325
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      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