Dobór zmiennych wejściowych w modelu prognoz długoterminowych funkcją Q

• Autorzy: Dąsal K. , Popławski T.

Warianty tytułu

EN

The choice of input variables in the long -term forecasting model with Q function

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano metodę doboru wejść do modelu predykcyjnego korzystającego z rozkładu kanonicznego wektora losowego, nazywanego w skrócie modelem MRK. Model ten wymaga ustalenia kolejności wejść dla zmiennych objaśniających. W artykule opisano istotę zastosowania do tego celu funkcji Q. Przedstawiona metoda doboru wejść daje dobre rezultaty także w przypadku prognoz krótkoterminowych obciążeń elektroenergetycznych systemie krajowym.

EN

The article describes a method of input selection to the forecasting model availing of a random distribution of canonical vector, called briefly the MRK model. This model requires the ordering of input entries for explanatory variables. The article describes the essence of the application for that purpose the function Q. The method of input selection gives good results also in the case of short-term load forecasts in the national electricity system.

Słowa kluczowe

PL

dobór zmiennych; funkcja Q; modelowanie; prognoza

EN

selection of variables; function Q; modelling; forecast

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2009
• Tom: R. 85, nr 3
• Strony: 144--148
• Opis fizyczny: Bibliogr. 12 poz., tab., wykr.

Twórcy

autor

Dąsal K.

autor

Popławski T.

• Politechnika Częstochowska, Instytut Elektroenergetyki,

Bibliografia

• [1] Cieślak M. i inni: Prognozowanie Gospodarcze. Metody i Zastosowania, PWN, Warszawa (2000)
• [2] Dąsal K.: Metoda doboru wejść w prognozowaniu krótkoterminowym obciążeń systemu elektroenergetycznego dla modelu rozkładu kanonicznego wektora losowego. Praca doktorska Politechnika Częstochowska (2003).
• [3] Dobrzańska I. : MRK – Parametryczna metoda predykcji wektora losowego. Monografia. Częstochowa (1991)
• [4] Grabiński T., Wydymus S., Zeliaś A.: Metody doboru zmiennych w modelach ekonometrycznych. PWN, (1982).
• [5] Hellwig Z.: Elementy rachunku prawdopodobieństwa i statystyki matematycznej. PWN, Warszawa, (1998)
• [6] Malko J.: Wybrane zagadnienia prognozowania w elektroenergetyce. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław (1995)
• [7] Pacut A.: Prawdopodobieństwo. Teoria. Modelowanie probabilistyczne w technice. WNT, Warszawa (1985).
• [8] Pugaczew W.S.: Teoria funkcji przypadkowych i jej zastosowanie do zagadnień sterowania automatycznego. MON, Warszawa, (1960).
• [9] Jahnatek L., Szkutnik J.: Strategia rozwoju Energetyki w Europie. Energochłonność przemysłów Polski i Słowacji. Energia Elektryczna Wydawnictwo PTPiREE nr 2/2008, str. 8-1.
• [10] Kolcun M. Jahnatek L., Systemowe poruchy v electrizaqcnych sustavach , IV International Scientific Sympodium ELEKTROENERGETIKA 2007, 19-21, 9.2007, Stara Lesna, Slovak Republic, pp.723-728
• [11] Szkutnik J. Models of electrical energy distribution in decision-making processews. Interdisciplinary approach to sustainable development, Edited by Ralph Lescroart, Piotr Pachura and Tomasz Nitkiewicz, ISI Pierrard HEC Du Luxemburg, Virton, Belgique 2007, Depot legal: D/2007/9727/4 Edited in Belgium, pp. 161-173
• [12] Szkutnik J. The Directions of the Energy Activity in Relation to the Prioryties of the European Commission., Proceadings of the IIIrd International Scientific Symposium ELECTROENERGETIKA, Stara Lesna, Slovak Republic 2005,s.16