Analiza doboru predyktorów pogodowych do prognozowania zmiennych zależnych w budownictwie

• Autorzy: Rogalska M.

Warianty tytułu

EN

Analysis of the selection of weather predictors to forecast dependent variables in the construction industry

• Języki publikacji: PL

Abstrakty

PL

W artykule podjęto próbę znalezienia takiego miernika stanu pogody, który obliczeniowo wykazywałby bardzo wysoką skuteczność prognozowania. Analizowano możliwość wykorzystania wielu danych pogodowych jako zmiennych niezależnych. W wyniku przeprowadzonych obliczeń ogólną metodą drzew klasyfikacyjnych i regresyjnych, metodą uogólnionych modeli addytywnych i regresji wielorakiej, metodą dekompozycji sezonowej, opóźniania szeregów czasowych wytypowano jako najlepszą zmienną temperaturę potencjalną. Dana ta charakteryzuje się tym, że jest wielkością zachowawczą przy zmianach adiabatycznych atmosfery, posiada wyraźnie widoczny trend wielomianowy oraz okresowość danych. Wykazano możliwość prognozowania jej wartości przyszłych z bardzo niewielkim błędem MAPE 0,41%.

EN

Weather conditions have a significant impact on the way the design, construction and maintenance of buildings in Poland. Selection weather independent variables have a significant impact on the quality of prediction of dependent variables related to construction . The ability to use multiple weather data was analyzed. Calculations were performed using the general method of classification and regression trees, generalized additive models and multiple regression method, seasonal decomposition, delaying the time series. Potential temperature were selected as the best variable for forecasting. The potential temperature is conservative with changes in adiabatic atmosphere, has a clearly visible polynomial trend and the periodicity of the data. It has been shown the possibility of forecasting the future value with very little error MAPE= 0.41%. Although not the most popular measure of the weather conditions, has a very high computational efficiency.

Słowa kluczowe

PL

miernik stanu pogody; temperatura potencjalna; prognozowanie pogody; dane pogodowe; budownictwo

EN

weather prediction; construction industry; potential temperature

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 9111--9118
• Opis fizyczny: Bibliogr. 14 poz., rys., tab., pełny tekst na CD3

Twórcy

autor

Rogalska M.

• Politechnika Lubelska, Wydział Budownictwa i Architektury; 20-618 Lublin ul.Nadbystrzycka 40

Bibliografia

• 1. Aczel A.D., Statystyka w zarządzaniu, PWN, Warszawa 2000.
• 2. BreimanI.,Friedman J.H., Olshen R.A., Stone C.J., Classification and Regression Trees, Wadsworth International Group 1984.
• 3. Godłowska, J., and A. M. Tomaszewska. Porównanie głębokości warstwy mieszania określonych na podstawie SODARu i pionowego profilu temperatury potencjalnej. Wiadomości IMGW 28.49 (2005): 1.
• 4. Hastie, Trevor, and Robert Tibshirani. Generalized additive models. Statistical science 1.3 (1986): 297-310.
• 5. Hestie T.J.,Tibshirani R.J. Generalized Additive Models. London: Chapman Hall 1990.
• 6. Kłysik, Kazimierz. Wpływ struktury termiczno-wilgotnościowej przyziemnych warstw powietrza na klimat lokalny w wybranych warunkach terenowych. Vol. 49. Zakład Narodowy im. Ossolińskich, 1985.
• 7. Kot S., Jakubowski J., Sokołowski A., Statystyka. Difin, Warszawa 2007.
• 8. Loh, Wei‐Yin. "Classification and regression trees." Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 1.1 (2011): 14-23.
• 9. Martyniak Z., Wstęp do inwentyki. Wydawnictwo Uczelniane, Kraków 1997 r., Kraków, s.32
• 10. Mccullagh P.,Nelder J.A. Generalized Linear Models, 2nd London: Chapman and Hall 1989.
• 11. Podręcznik internetowy STATISTICA, http://www.statsoft.pl /textbook/sttimser. htm
• 12. Rogalska M. Prognozowanie produkcji budowlano montażowej w województwie dolnośląskim. Budownictwo i Architektura 2012/2 vol 11 121 – 137.
• 13. Rogalska M., Hejducki Z „Analiza porównawcza prognozowania produkcji budowlanej z zastosowaniem metod regresji krokowej, sieci neuronowych i ARIMA”, Zeszyty naukowe WSOWL 3(157) 2010.
• 14. Stanisz A., Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny.,T 1. StatSoft Polska Sp. z o.o., Kraków 2006.