Analiza porównawcza rezultatów prognozowania wielkości przewozów towarowych w Polsce w 2010 roku wybranymi metodami predykcji

• Autorzy: Łachacz K. , Mrówczyńska B. , Haniszewski T.

Warianty tytułu

EN

Comparative analysis of forecasting results for the road freight volume in Poland in 2010 with chosen prediction method

• Języki publikacji: PL

Abstrakty

PL

W artykule skupiono się na analizie metod prognostycznych, które mogą zostać użyte do predykcji wielkości przewozów transportowych. W szczególności zwrócono uwagę na zagadnienie prognozowania z perspektywy ich różnorodności. Przedstawiono cztery metody prognozowania i zbadano ich efektywność. Rezultaty przeprowadzonych badań zostały omówione i porównane między sobą. Wybrano najlepszą metodę prognozowania.

EN

The paper is focused on the analysis of forecasting methods that can be used in forecasting the volume of road freight. Draws attention to the issue of forecasting from the perspective of methods diversity. In the article four methods of prediction were selected, their effectiveness was researched. The results of various calculations were discussed and compared with each other. The best method of forecasting was presented.

Słowa kluczowe

PL

prognozowanie; predykcja; przewóz towarów

EN

forecast; prediction; goods transport

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Transport / Politechnika Śląska
• Rocznik: 2011
• Tom: z. 71
• Strony: 35--42
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Łachacz K.

autor

Mrówczyńska B.

autor

Haniszewski T.

• Politechnika Śląska, Katedra Logistyki i Transportu Przemysłowego, Katowice, Krasińskiego 8, pokój 301,

Bibliografia

• 1. Ditmann P.: Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie. Wolters Kluver Polska – Oficyna, Kraków 2008.
• 2. Chodak G., Kwaśnicki W.: Zastosowanie algorytmów genetycznych w prognozowaniu popytu. Gospodarka Materiałowa i Logistyka, nr 4, 2002, s. 2-7.
• 3. Góralczyk A.: Zamrożony kapitał. CEO – Magazyn Top Menadżerów, nr 06/2004, http://ceo.cxo.pl/artykuly/42038/Zamrozony.kapital.html.
• 4. Chodak G.: Genetic algorithms in forecasting of internet shops demand, [in:] Świątek J. at al. (eds.): Information systems architecture and technology: system analysis in decision aided problems. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2009, s. 59-68.
• 5. Ludwig O. Jr., Nunes U., Araújo R., Schnitman L., Lepikson H.A.: Applications of information theory, genetic algorithms, and neural models to predict oil flow. Communication in Nonlinear Science Numerical Simulation, No. 14, 2009, p. 2870-2885.
• 6. Bhaduri A.: University time table scheduling using genetic artificial immune network, advances in recent technologies in communication and computing, ARTCom '09. International Conference on, Kottayam, Kerala 2009, p. 289-292.
• 7. Nowak E. (red.): Prognozowanie gospodarcze – metody, modele, zastosowania, przykłady. Agencja Wydawnicza PLACET, Warszawa 1998.
• 8. Jóźwiak J., Podgórski J.: Statystyka od podstaw. PWE, Warszawa 2009.
• 9. Larose D.T.: Metody i modele eksploracji danych. PWN, Warszawa 2008.
• 10. Jung H., Song I., Jeon B.: Genetic algorithm-based integrated production planning considering manufacturing partners. International Journal Advanced Manufacturing Technology, No. 3, 2007, p. 547-566.
• 11. GUS: dane kwartalne wskaźników gospodarczych, http://www.stat.gov.pl/gus/wskazniki_makroekon_PLK_HTML.htm.
• 12. Hua Z., Ding Y., Shao Q.: Immune co-evolutionary algorithm based partition balancing optimization for tobacco distribution system. Expert Systems with Applications, no. 36, 2009, p. 5248-5255.
• 13. Zeliaś A., Pawełek B., Wanat S.: Prognozowanie ekonomiczne: teoria, przykłady, zadania. PWN, Warszawa 2004.
• 14. Michalewicz Z.: Genetic algorithms + data structures = evolutionary programs. Springer-Verlag, Berlin 1996.