Wyniki wyszukiwania - BazTech

1

Analysis of the Progress of the Implementation of the Europe 2020 Strategy in Respect of Climate Change and Sustainable Energy Use in Poland

Rybak Aurelia, Włodarczyk Ewelina

Inżynieria Mineralna

|

2023

|

no. 2, vol. 2

101--107

EN

The article presents reflections on the topic of the implementation of the Europe 2020 Strategy for Poland. The strategy covers five areas, namely research and development, education and higher education, poverty reduction and social exclusion, employment as well as energy and climate, which have been analysed in this article. Because the provisions of the strategy should already be achieved, it is necessary today to verify the progress of work, as well as to compare the achievements with the created plan. In order to be able to assess the progress of the implementation of the strategic plan, it is necessary to set indicators that will make it possible to determine whether the activities carried out facilitate the achievement of the objectives or whether they should be adjusted. In order to do it, the authors used 4 indicators. To be able to forecast when Poland would reach the set values by 2022, the authors constructed mathematical models with which the indicators values were forecast. The results obtained have been summarized and countermeasures have been identified that can help eliminate detected irregularities. The successful implementation of the strategy will have a significant impact on ensuring Poland's energy security and environmental sustainability.

PL

Artykuł przedstawia refleksje na temat realizacji Strategii Europa 2020 dla Polski. Strategia obejmuje pięć obszarów, tj. badania i rozwój, edukację i szkolnictwo wyższe, ograniczanie ubóstwa i wykluczenia społecznego, zatrudnienie oraz energię i klimat, które zostały poddane analizie w niniejszym artykule. Ponieważ zapisy strategii powinny być już zrealizowane, konieczna jest dziś weryfikacja postępu prac, a także porównanie osiągnięć z założonym planem. Aby móc ocenić postępy w realizacji planu strategicznego, konieczne jest wyznaczenie wskaźników, które pozwolą określić, czy prowadzone działania ułatwiają osiągnięcie celów, czy też należy je skorygować. W tym celu autorzy posłużyli się 4 wskaźnikami. Aby móc prognozować, kiedy Polska osiągnie wyznaczone wartości do 2022 r., autorzy skonstruowali modele matematyczne, za pomocą których prognozowano wartości wskaźników. Uzyskane wyniki zostały podsumowane i zidentyfikowano środki zaradcze, które mogą pomóc wyeliminować wykryte nieprawidłowości. Pomyślne wdrożenie strategii będzie miało znaczący wpływ na zapewnienie bezpieczeństwa energetycznego Polski i zrównoważonego rozwoju środowiska

2

Time series analysis of fossil fuels consumption in slovakia by arima model

Michalková Mária, Pobočíková Ivana

Acta Mechanica et Automatica

|

2023

|

Vol. 17, no. 1

35--43

EN

According to the Green Deal, the carbon neutrality of the European Union (EU) should be reached partly by the transition from fossil fuels to alternative renewable sources. However, fossil fuels still play an essential role in energy production, and are widely used in the world with no alternative to be completely replaced with, so far. In recent years, we have observed the rapidly growing prices of commodities such as oil or gas. The analysis of past fossil fuels consumption might contribute significantly to the responsible formulation of the energy policy of each country, reflected in policies of related organisations and the industrial sector. Over the years, a number of papers have been published on modelling production and consumption of fossil and renewable energy sources on the level of national economics, industrial sectors and households, exploiting and comparing a variety of approaches. In this paper, we model the consumption of fossil fuels (gas and coal) in Slovakia based on the annual data during the years 1965–2020. To our knowledge, no such model, which analyses historical data and provides forecasts for future consumption of gas and coal, respectively, in Slovakia, is currently available in the literature. For building the model, we have used the Box–Jenkins methodology. Because of the presence of trend in the data, we have considered the autoregressive integrated moving average (ARIMA (p,d,q)) model. By fitting models with various combinations of parameters p, d, q, the best fitting model has been chosen based on the value of Akaike’s information criterion. According to this, the model for coal consumption is ARIMA(0, 2, 1) and for gas consumption it is ARIMA(2, 2, 2).

3

Supporting of manufacturing system based on demand forecasting tool

Kmiecik Mariusz, Zangana Hawre

LogForum

|

2022

|

Vol. 18, no. 1

33--48

EN

Background: Enterprises’ decision-making could be facilitated by properly creating or choosing and implementing demand forecasting systems. Currently, there are more and more advanced forecasting algorithms based on sophisticated technologies such as artificial neural networks and machine learning. The following research paper focuses on a case study of an automotive manufacturer. The main research aim is to propose the proper demand forecasting tool and show the prospects for implementing the mentioned solution. Methods: The research paper contains the statistical analysis of a chosen time series referring to the demanded quantity of the manufactured products. To create forecasts, models based on the following forecasting algorithms were created: ARIMA, ELM (Extreme Learning Machine), and NNAR (Neural Network Autoregressive). All algorithms are based on the R programming language. All algorithms are run in the same time series where the training and testing periods were established. Results: According to the forecasts ex-post errors and FVA (forecasts value-added) analysis, the best fitting algorithm is the algorithm based on ELM. It yields the most accurate predictions. All other models fail to add value to the forecast. Specifically, the ARIMA models damage the forecast dramatically. Such significant magnitudes of negative FVA values indicate that choosing not to forecast and plan based on the sales of the same period of the previous year is a better choice. However, in the case of the ELM model, the forecasts can be worth the time, finance, and human resources put into preparing them. Conclusion: The increased accuracy of ELM forecasts can contribute to optimizing the process of reaching consensus forecasts. While unconstrained statistical forecasts tend to be overridden, not only to produce constrained forecasts incorporating various variables such as calendar events, promotional activities, supply capacity, and operational abilities, they are also overridden by planners to reflect their foreseeing of demand. The proposed solution could also be easily implemented in the resource planning process to improve it. The proposition of the resource planning process supported by the proposed forecasting system is also shown in the following paper using a BPMN 2.0 (Business Process Modelling Notation 2.0) map.

4

Damage identification of bridge structure model based on empirical mode decomposition algorithm and Autoregressive Integrated Moving Average procedure

Lu Weijia, Dong Jiafan, Pan Yuheng, Li Guoya, Guo Jinpeng

Archives of Civil Engineering

|

2022

|

Vol. 68, nr 4

653--667

EN

Time series models have been used to extract damage features in the measured structural response. In order to better extract the sensitive features in the signal and detect structural damage, this paper proposes a damage identification method that combines empirical mode decomposition (EMD) and Autoregressive Integrated Moving Average (ARIMA) models. EMD decomposes nonlinear and non-stationary signals into different intrinsic mode functions (IMFs) according to frequency. IMF reduces the complexity of the signal and makes it easier to extract damage-sensitive features (DSF). The ARIMA model is used to extract damage sensitive features in IMF signals. The damage sensitive characteristic value of each node is used to analyze the location and damage degree of the damaged structure of the bridge. Considering that there are usually multiple failures in the actual engineering structure, this paper focuses on analysing the location and damage degree of multi-damaged bridge structures. A 6-meter-long multi-destructive steel-whole vibration experiment proved the state of the method. Meanwhile, the other two damage identification methods are compared. The results demonstrate that the DSF can effectively identify the damage location of the structure, and the accuracy rate has increased by 22.98% and 18.4% on average respectively.

5

Sustainable optimized LSTM-based intelligent system for air quality prediction in Chennai

Gunasekar Sridhar, Joselin Retna Kumar Gnanaseelan, Dileep Kumar Yellapalli

Acta Geophysica

|

2022

|

Vol. 70, no 6

2889--2899

EN

Nowadays, air quality prediction is the most essential process taken by an Indian government. Due to poor quality of air, unhealthy lifestyle and premature deaths of humans have arisen in India, especially in Delhi. Not only has a human’s health, but the air pollution also made a huge impact on several areas like economy, agriculture and road accidents, etc. In recent times, deep learning (DL) technologies are influenced every application rapidly even in air pollution prediction. In this work, the novel optimised DL algorithms are proposed for the efficient prediction of air quality particularly focussing on Chennai, Tamil Nadu. To provide higher accuracy in air quality prediction, the novel optimised DL algorithms are proposed which is combined several models like ARIMA and CNN-LSTM and Tuna Optimization Algorithm, respectively. Initially, CNN and LSTM are combined to provide hybrid architecture. Next, the metaheuristics-based tuna swarm optimization model is applied for fine-tuning the hyperparameters of the CNN-LSTM model which is known as the Tuna Optimised CNN-LSTM (TOCL) method. Finally, the novel TOCL is applied to the residuals of the ARIMA model to form an ARIMA- TOCL (ARTOCL) model. As a result, the novel ARTOCL is learned and performed with an optimal air quality prediction. The metrics of the Hybrid ARTOCL model are evaluated as a better mean absolute error (MAE), root mean squared error (RMSE), R2 score and the normalized RMSE (nRMSE) with higher accuracy than the previous models. The results show that the proposed prediction model has 22.6% R2 improvement, 14.6% MAE reductions, 22% RMSE reductions and 16.45% nRMSE reductions than the existing models.

6

Prediction of pork meat prices by selected methods as an element supporting the decision-making process

Zielińska-Sitkiewicz Monika, Chrzanowska Mariola

Operations Research and Decisions

|

2021

|

Vol. 31, No. 3

137--152

EN

Forecasts of economic processes can be determined using various methods, and each of them has its own characteristics and is based on specific assumptions. In the case of agriculture, forecasting is an essential element of efficient management of the entire farming process. The pork sector is one of the main agricultural sectors in the world. Pork consumption and supply are the highest among all types of meat, and Poland belongs to the group of large producers. The article analyses the price formation of class E pork, expressed in € per 100 kg of carcass, recorded from May 2004 to December 2019. The data comes from the Agri-food data portal. A creeping trend model with segments of linear trends of various lengths and the methodology of building ARIMA models are used to forecast these prices. The accuracy of forecasts is verified by forecasting ex post and ex ante errors, graphical analysis, and backcasting analysis. The study shows that both methods can be used in the prediction of pork prices.

7

Metodyka wielokryterialnej analizy zmian stóp bezrobocia wybranych gospodarek światowych oraz prognozowanie modelem ARIMA stopy bezrobocia USA na przyszłość

Kozicki Bartosz, Žukovskis Jan, Mizura Grzegorz

Nowoczesne Systemy Zarządzania

|

2020

|

T. 15, nr 1

71--85

PL

W artykule przedstawiono metodykę wielokryterialnej analizy stóp procentowych bezrobocia w wybranych gospodarkach światowych oraz próby przeprowadzenia prognozowania stopy bezrobocia w USA na trzy przyszłe okresy. Badania rozpoczęto od analizy wielowymiarowej zmienności stóp procentowych bezrobocia w wybranych gospodarkach światowych w ujęciu sześciomiesięcznym w latach 2011-2018. Następnie przeprowadzono jej ocenę. Dalszym etapem badania była analiza i ocena szeregu czasowego danych dotyczących stóp procentowych bezrobocia w USA w ujęciu dynamicznym. Następnie zbudowano model prognostyczny ARIMA i wykonano prognozowanie na trzy przyszłe okresy.

EN

The article presents the methodology of multi-criteria analysis of unemployment interest rates in selected world economies, and an attempt to forecast the unemployment rate in the USA for three future periods. The research began with an analysis of the multidimensional volatility of unemployment interest rates in selected world economies on a six-month basis in 2011-2018. It was then assessed. The next stage of the study was the analysis and evaluation of the time series of data on the US unemployment interest rates in dynamic terms. Then, the ARIMA forecast model was built and forecasting for three future periods was performed.

8

Research on the combustion process using time series

Grądz Żaklin

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2020

|

T. 10, nr 2

52--55

EN

In the combustion process, one of the most important tasks is related to maintaining its stability. Numerous methods of monitoring, diagnostics, and analysis of the measurement data are used for this purpose. The information recorded in the combustion chamber constitute one-dimensional time series. In the case of non-stationary time series, which can be transformed into the stationary form, the autoregressive integrated moving average process can be employed. The paper presented the issue of forecasting the changes in flame luminosity. The investigations discussed in the work were carried out with the ARIMA model (p,d,q). The presented forecasts of changes in flame luminosity reflect the actual processes, which enables to employ them in diagnostics and control of the combustion process.

PL

W procesie spalania jednym z najważniejszych zadań jest zachowanie jego stabilności. Do tego celu wykorzystywanych jest wiele metod z zakresu monitorowania, diagnostyki i analizy danych pomiarowych. Zarejestrowane w komorze spalania informacje są jednowymiarowymi szeregami czasowymi. W przypadku niestacjonarnych szeregów czasowych, które można przekształcić do formy stacjonarnej, znalazły zastosowanie scałkowane procesy autoregresji i średniej ruchomej. W artykule przedstawiono problematykę prognozowania zmian intensywności świecenia płomienia. Badania zaprezentowane w pracy zostały przeprowadzone z wykorzystaniem modelu ARIMA(p,d,q). Przedstawione prognozy zmian intensywność świecenia płomienia odwzorowują rzeczywiste przebiegi, co pozwala wykorzystać je w diagnostyce i sterowaniu procesem spalania.

9

Zastosowanie modelu ARIMA do prognozowania wielkości produkcji w przedsiębiorstwie

Grzelak Małgorzata

Systemy Logistyczne Wojsk

|

2019

|

Vol. 50, no. 1

93--106

PL

Celem przedsiębiorstw produkcyjnych jest zaspokajanie potrzeb klientów, poprzez terminowe wytwarzanie wyrobów zgodnie z popytem występującym na rynku. Powyższe działania umożliwiane są przez prawidłowe sporządzanie prognoz potencjalnych zamówień. W poniższym artykule przedstawiono model ARIMA jako narzędzie wspierające planowanie wielkości produkcji w przedsiębiorstwie. Dokonano również oceny wiarygodności opracowanego modelu poprzez analizę reszt oraz ich autokorelacji i autokorelacji cząstkowych.

EN

The purpose of production companies is to meet the needs of customers by timely production of products in accordance with the demand on the market. The above activities are enabled by proper preparation of forecasts of potential orders. The following article presents a tool supporting production volume planning in an enterprise based on the ARIMA autoregressive model. The likelihood of the developed model was also evaluated by analyzing the residuals and their autocorrelations and partial autocorrelations.

10

Application of the Cobb-Douglas production function to study the results of the production process and planning under turbulent environment conditions

Rybak Aurelia

Gospodarka Surowcami Mineralnymi

|

2019

|

T. 35, z. 3

99--118

EN

The article presents the possibility of using the Cobb-Douglas production function for planning in a turbulent environment. A case study was carried out – the Cobb-Douglas function was used to examine the condition of the Polish hard coal mining industry and the progress which has been made after undertaking certain activities aimed at increasing the competitiveness of coal companies over recent years. Only the correct and confirmed identification of the causes of irregularities in the production process can allow for the introduction of effective remedies. The effectiveness of the solutions proposed by the author has been confirmed thanks to the simulation during which the impact of the proposed production strategy on the parameters of the CD function was examined. Three variants of production functions models were created and production productivity rates and marginal substitution rates were determined. The results enabled the verification of the progress of restructuring as well as identification of the origin of the observed problems and comparison of the current state with the results of analyses carried out in previous years. Scenarios of possible trend developments for the factors introduced into the function model in order to present remedial measures that could improve the process of hard coal extraction were created. The scenarios were created using the ARIMA class models. Which scenario is the most favourable was determined. A computer program, created by the author, for optimising the level and use of labor resources at the level of the entire coal company has been presented.

PL

W artykule zaprezentowano możliwość zastosowania funkcji produkcji Cobba-Douglasa do planowania w warunkach turbulentnego otoczenia. Przeprowadzono studium przypadku – funkcja Cobba-Douglasa wykorzystana została do zbadania stanu polskiego górnictwa węgla kamiennego oraz postępów podejmowanych w ostatnich latach działań mających na celu zwiększenie konkurencyjności spółek węglowych. Utworzono modele funkcji produkcji w 3 wariantach, wyznaczono wskaźniki produktywności produkcji oraz krańcową stopę substytucji. Pozyskane rezultaty umożliwiły zweryfikowanie postępów restrukturyzacji, określenie głównych przyczyn zidentyfikowanych problemów oraz porównanie obecnego stanu z wynikami analiz prowadzonych w ubiegłych latach. Tylko prawidłowa i potwierdzona identyfikacja przyczyn nieprawidłowości w procesie produkcji umożliwić może wprowadzenie właściwych środków zaradczych. Skuteczność zaproponowanych przez autorkę rozwiązań została potwierdzona dzięki symulacji, podczas której zbadano wpływ proponowanej strategii produkcji na parametry funkcji CD. W celu wskazania środków zaradczych mogących usprawnić proces wydobycia węgla kamiennego, utworzono scenariusze możliwego rozwoju trendów czynników wprowadzonych do modelu funkcji. Scenariusze utworzono z wykorzystaniem modeli klasy ARIMA. Określono, który scenariusz jest najbardziej korzystny. Zaprezentowano także stworzony przez autorkę program komputerowy, który ma za zadanie zoptymalizowanie poziomu i wykorzystania środków pracy żywej na poziomie całej spółki węglowej.

11

The energy consumption forecasting in Mongolia based on Box-Jenkins method (Arima model)

Zolboo Gansukh, Adiya Bor, Bilguun Enkhbayar

Energy Policy Studies

|

2019

|

No. 1 (3)

70--77

EN

The primary products of the power industry are electric energy and thermal energy. Thus, forecasting electric energy consumption is significant for short and long term energy planning. ARIMA model has adopted to forecast energy consumption because of its precise prediction for energy consumption. Our result has shown that annual average electric energy consumption will be 10,628 million kWh per year during 2019-2030 which approximately 3.3 percent growth per annum. At the moment, there is not a practice solution for the storage of electricity in Mongolia. Therefore, energy supply and demand have to be balanced in real-time for operational stability. Without an accurate forecast, the end-users may experience brownouts or even blackouts or the industry could be faced with sudden accidents due to the energy demand. For this reason, energy consumption forecasting is essential to power system stability and reliability.

12

The future of crude oil and hard coal in the aspect of Poland’s energy security

Rybak A., Manowska A.

Polityka Energetyczna

|

2018

|

T. 21, z. 4

141--154

EN

The article presents a synthetic analysis of the crude oil market in Poland. As of today, this safety is provided mainly on the basis of native lignite and hard coal resources. However, the analysis of the hard coal market conducted by the authors indicates that the carried out mining restructuring (among others) led to an excessive reduction of mining volume and employment level in the hard coal mining sector. This led to a precedent situation when Poland became an importer of this energy carrier. In addition, the European Union’s requirements for greenhouse gas emissions must be taken into account. In connection with the above, it is necessary to search for new energy sources or technologies that enable hard coal to meet the requirements. It is possible to apply the so-called clean coal technologies that allow the greenhouse gas emissions generated during coal combustion to be reduced. As of today, they are not used on a mass scale, because the use of this type of technology involves additional financial expenses. However, taking into account that technologies have been growing faster and faster, are modernized in a shorter time, making a breakthrough discovery took hundreds of years, now it is often a few months, clean coal technologies can become the optimal solution in the near future. It is also necessary to diversify the sources of obtaining imported energy carriers. The article describes coal and crude oil in terms of their mutual substitution. The article is a continuation of research conducted by the authors. Previous publications presented considerations on analogous topics related to natural gas and renewable energy sources. The crude oil market in Poland was analyzed and forecasts for oil extraction and the demand in the world and Poland by 2023 were presented. The SARIMA model was also created. The model made it possible to obtain oil an prices forecast.

PL

W artykule przedstawiono syntetyczną analizę rynku ropy naftowej w Polsce. Badania te mają niezwykle istotne znaczenie w kontekście zapewnienia bezpieczeństwa energetycznego Polski. Obecnie bezpieczeństwo to jest utrzymywane głównie na podstawie rodzimego węgla brunatnego i kamiennego. Przeprowadzona przez autorów analiza rynku węgla kamiennego wskazuje jednak, iż prowadzona restrukturyzacja górnictwa doprowadziła do nadmiernej redukcji wydobycia oraz zatrudnienia w sektorze górnictwa węgla kamiennego. Wywołało to precedensową sytuację, kiedy to Polska stała się importerem netto tego nośnika energii. Dodatkowo należy wziąć pod uwagę wymagania Unii Europejskiej w zakresie emisji gazów cieplarnianych. W związku z powyższym konieczne staje się poszukiwanie nowych źródeł energii bądź technologii umożliwiających węglowi kamiennemu sprostanie stawianym wymaganiom. Istnieje możliwość zastosowania tzw. czystych technologii węglowych pozwalających na ograniczenie emisji gazów cieplarnianych powstających podczas spalania węgla. Na dzień dzisiejszy nie są one stosowane na skalę masową, ponieważ korzystanie z tego typu technologii wiąże się z dodatkowymi nakładami finansowymi. Jednak biorąc pod uwagę, że w ostatnim czasie technologie rozwijają się coraz szybciej, są unowocześniane w coraz krótszym czasie, kiedyś przełomowe odkrycia dzieliły setki lat, dekady – teraz powstają one w rekordowym tempie nawet kilku miesięcy, to czyste technologie węglowe mogą stać się optymalnym rozwiązaniem już w niedalekiej przyszłości. Konieczne jest również zdywersyfikowanie źródeł pozyskania importowanych nośników energii. W artykule scharakteryzowano węgiel oraz ropę naftową pod kątem możliwości ich wzajemnej substytucji. Artykuł stanowi kontynuację prowadzonych przez autorów badań. Przeanalizowano rynek ropy naftowej w Polsce oraz zaprezentowano prognozy wielkości wydobycia i zapotrzebowania na ropę naftową na świecie i Polsce do roku 2023. Utworzono także model SARIMA, który umożliwił pozyskanie prognozy cen ropy naftowej. We wcześniejszych publikacjach przedstawiono rozważania o analogicznej tematyce odnośnie do gazu ziemnego oraz odnawialnych źródeł energii.

13

Prognozowanie popytu na usługi transportu intermodalnego

Mitkow S., Borucka A.

Gospodarka Materiałowa i Logistyka

|

2018

|

nr 6

26--34

PL

Celem artykułu było opracowanie modelu prognozowania popytu na usługi transportowe operatora intermodalnego. Na podstawie udostępnionych danych, dotyczących liczby eksportowanych kontenerów, przedstawiono proces opisania zjawiska na podstawie jego przeszłych obserwacji, a także jego ewolucji w przyszłości. Zaproponowano dwa modele: regresji oraz ARIMA. Dla każdego z nich dokonano predykcji przyszłych obserwacji. Otrzymane wartości prognoz porównano i na tej podstawie wybrano model opisujący lepiej badane zjawisko, tzn. dający mniejszy błąd prognozy.

EN

In the article it was presented a model of demand forecast for intermodal operator transport services. Based on the shared data on the number of exported containers is presented the process of describing the observable occurrence on its past observations, as well as its evolution in the future. Two models were proposed: Regression and ARIMA. For each of them, was made a prediction of future observations. The received values for the predictions were compared and a model describing a better tested observable occurrence was chosen, i.e. that gives a smaller forecast error.

14

Analiza roli węgla w zapewnieniu bezpieczeństwa energetycznego kraju a polityka energetyczna Polski do roku 2050

Manowska A., Rybak A.

Przegląd Górniczy

|

2017

|

T. 73, nr 9

45--51

PL

W artykule omówiono rolę węgla kamiennego w zapewnieniu bezpieczeństwa energetycznego kraju. Przeanalizowano dyrektywy Unii Europejskiej wpływające na możliwość rozwoju lub zahamowanie sektora górniczego. Głównie skupiono się na analizie dyrektyw Parlamentu Europejskiego i Rady w sprawie efektywności energetycznej i przejściu na gospodarkę niskoemisyjną. Przeanalizowano również dostępne prognozy polityki energetycznej Polski, aby pokazać rolę i miejsce węgla w zapewnieniu bezpieczeństwa energetycznego kraju. Autorzy zaprezentowali również utworzone przez siebie prognozy i dokonali ich porównania z prognozami polityki energetycznej kraju.

EN

This paper presents the role of hard coal in national energy security. European Union directives, which influence development possibilities and mining sector inhibitions were analyzed. The emphasis was placed on directives of the European Parliament and the Council with regard to energy effectiveness and transition to low-emission industry. Available prognoses of Polish energy policy were analyzed to demonstrate the place and role of hard coal in national energy security. The authors presented their prognoses and compared them with the prognoses of the national energy policy.

15

Time series analysis of reference crop evapotranspiration for Bokaro District, Jharkhand, India

Gautam R., Sinha A. K.

Journal of Water and Land Development

|

2016

|

no. 30

51--56

EN

Evapotranspiration is the one of the major role playing element in water cycle. More accurate measurement and forecasting of Evapotranspiration would enable more efficient water resources management. This study, is therefore, particularly focused on evapotranspiration modelling and forecasting, since forecasting would provide better information for optimal water resources management. There are numerous techniques of evapotranspiration forecasting that include autoregressive (AR) and moving average (MA), autoregressive moving average (ARMA), autoregressive integrated moving average (ARIMA), Thomas Feiring, etc. Out of these models ARIMA model has been found to be more suitable for analysis and forecasting of hydrological events. Therefore, in this study ARIMA models have been used for forecasting of mean monthly reference crop evapotranspiration by stochastic analysis. The data series of 102 years i.e. 1224 months of Bokaro District were used for analysis and forecasting. Different order of ARIMA model was selected on the basis of autocorrelation function (ACF) and partial autocorrelation (PACF) of data series. Maximum likelihood method was used for determining the parameters of the models. To see the statistical parameter of model, best fitted model is ARIMA (0, 1, 4) (0, 1, 1)12.

PL

Ewapotranspiracja jest jednym z głównych elementów obiegu wody. Dokładniejsze pomiary i możliwość prognozowania ewapotranspiracji mogłyby umożliwić wydajniejsze zarządzanie zasobami wodnymi. Dlatego prezentowane w niniejszej pracy badania skoncentrowane były na modelowaniu i prognozowaniu ewapotranspiracji, ponieważ prognozowanie zapewni więcej informacji do optymalnego zarządzania zasobami wodnymi. Istnieje wiele technik prognozowania ewapotranspiracji, takich jak autoregresja (AR), średnia ruchoma (MA), autoregresyjna średnia ruchoma (ARMA), autoregresyjna zintegrowana średnia ruchoma (ARIMA), metoda Thomasa– Feiringa i inne. Stwierdzono, że spośród nich ARIMA jest bardziej odpowiednia do analizy i prognozowania zdarzeń hydrologicznych. Z tego powodu wykorzystano model ARIMA do prognozowania miesięcznych średnich wartości ewapotranspiracji potencjalnej poprzez analizę stochastyczną. Do analiz i prognozowania użyto serii danych ze 102 lat (1224 miesiące) z dystryktu Bokaro. Na podstawie funkcji autokorelacji (ACF) i cząstkowych autokorelacji (PACF) serii danych wybrano różny porządek modelu ARIMA. Do wyznaczenia parametrów modelu wykorzystano metodę maksymalnego prawdopodobieństwa. Najlepiej dostosowanymi parametrami statystycznymi modelu okazały się ARIMA (0, 1, 4) (0, 1, 1)12.

16

Wykorzystanie modelu ARIMA do analizy szeregu czasowego

Malska W., Wachta H.

Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika

|

2015

|

z. 34 [292], nr 3

23--30

PL

W artykule zaprezentowano zastosowanie metody ARIMA służącej do analizy szeregu czasowego z trendem i sezonowością. Szereg czasowy jest jednym z rodzajów szeregów statystycznych, który można zdefiniować jako ciąg obserwacji pewnego zjawiska w kolejnych jednostkach czasu (latach, kwartałach, miesiącach, itp.). Analiza szeregów czasowych opiera się na głównym założeniu, że kolejne wartości rozważanej cechy (zmiennej) reprezentują kolejne pomiary wykonane w takiej samej jednostce czasu (w równych odstępach czasu). Zmienną niezależną jest czas (jednostka czasu). Obserwując różne zjawiska (w tym także związane z gospodarką elektroenergetyczną) często chcemy wiedzieć czy i jak zmieniają się w czasie, czyli jaka jest ich dynamika. Analiza szeregów czasowych stosowana jest głównie do podejmowania decyzji związanych z przyszłością. Rozważane zjawisko może podlegać pewnym prawidłowościom, których wykrycie i opis jest głównym celem analizy szeregów czasowych. W wielu przypadkach modele szeregów czasowych wykorzystywane są w celu wnioskowania o przyszłości badanego zjawiska (do prognozowania). Prognozowanie w ujęciu statystycznym to wnioskowanie o przyszłych wartościach szeregu czasowego, które oparte jest na danych czasowych lub analizie wartości, jakie przyjmują rozważane cechy statystyczne (zmienne). Przy analizie w dziedzinie czasu w szeregu czasowym można wyodrębnić pewne składowe (stały przeciętny poziom zjawiska, trend, cykle długookresowe, wahania sezonowe, wahania krótkookresowe, interwencje, składnik losowy (zakłócenie losowe)), przy czym nie wszystkie one muszą występować w konkretnym analizowanym szeregu. Metoda prognozowania zależy od składowych szeregu czasowego. Wyniki obliczeń z wykorzystaniem modelu ARIMA zaprezentowano korzystając z pakietu STATISTICA v. 10.0.

EN

The paper presents the application of the method used for the analysis of ARIMA time series with trend and seasonality. Time series is one of the types of statistical series, which can be defined as a series of observations of a phenomenon in the following units of time (years, quarters, months, etc.). Time series analysis based on the main idea that a further consideration of the characteristics (variable) represent the more measurements made in the same unit of time (at regular intervals). The independent variable is the time (unit of time). Observing different phenomena (including related to the economy electricity) often want to know whether and how they are changing over time, that is what is their dynamics. Time series analysis is mainly used to make decisions about the future. Considered phenomenon may be subject to certain regularities, which detect and description is the main objective of the analysis of time series. In many cases, time series models are used to apply for the future of the studied phenomenon (to predict). Forecasting is statistically inference about future values of the time series, which is based on the analysis of data or time values which take under consideration the statistical characteristics (variables). At the time domain analysis in time series can extract some components (constant average level of the phenomenon, a trend long-term cycles, seasonal fluctuations, fluctuations in short-term, interventions, random component (random disturbance)), and not all of them must be analyzed in a specific number of. Forecasting method depends on the components of the time series. The results of calculations using the ARIMA model is presented using STATISTICA v. 10.0.

17

Prognozowanie liczby wypadków drogowych na Podkarpaciu

Chudy-Laskowska K., Pisula T.

Logistyka

|

2015

|

nr 4

2782--2796, CD2

PL

Od kilku lat bezpieczeństwo na drogach w Polsce systematycznie się poprawia. Obniża się zarówno liczba wypadków jak i ich ofiar. Mimo tego Polska zajmuje ostatnie miejsca w rankingu bezpieczeństwa na drogach wśród państw Unii Europejskiej. Wstępując do UE Polska zobowiązała się do realizacji polityki unijnej również w zakresie poprawy bezpieczeństwa w ruchu drogowym. Podstawą polityki drogowej krajów UE jest tzw. Wizja Zero, która przyświeca państwom wysoko rozwiniętym i jest filozofią zakładająca, że w perspektywie długofalowej nikt nie powinien ponosić ciężkich obrażeń, ani ginąć w wypadkach drogowych. Na pytanie, na ile jest to możliwe w Polsce, można udzielić odpowiedzi przeprowadzając prognozę długookresową dla wskaźników bezpieczeństwa w ruchu drogowym. W artykule przedstawiono prognozę liczby wypadków drogowych w województwie podkarpackim w 2015 roku w ujęciu sezonowym miesięcznym. Do wyznaczenia prognozy wykorzystano trzy modele sezonowe szeregów czasowych: autoregresyjny z trendem liniowym, ARIMA oraz model sieci neuronowych. Dane statystyczne dotyczyły odstępów miesięcznych i obejmowały okres od stycznia 2010 roku do grudnia 2014 roku. Prognozę miesięczną wyznaczono na kolejny rok, w okresie od stycznia 2015do grudnia 2015. Dane pochodziły ze strony głównej Komendy Policji. Obliczenia wykonano z użyciem programu Statistica 10 oraz arkusza kalkulacyjnego Excel. Oszacowane w pracy modele umożliwiają także przeprowadzenie prognoz długookresowych.

EN

For several years safety on the roads in Poland has been steadily improving. Both the number of accidents and their victims decrease. Despite this, Poland occupies the last place in the ranking of road safety among the EU countries. Poland, when accessing the EU, has been committed to the implementation of EU policies in improving road safety. The basis of the EU road policy is so-called Vision Zero project, which underlies the highly developed countries, and it is a philosophy which assumes that in the long term no one should suffer serious injury or fatalities in road traffic. The answer to the question whether it is possible in Poland can be found by conducting long-term forecasts for indicators of road safety. In this article the monthly forecasts of the number of road accidents in the Subcarpathian region were presented. To determine the forecast there were applied three seasonal time series models: autoregressive with linear trend, ARIMA and neural network model. Statistical data were related to monthly intervals and covered the period from January 2010 to December 2014. The monthly forecast is scheduled for next year, in the period from January 2015 to December 2015. The data came from the homepage of the Police. Calculations were performed by using Statistica 10 and an Excel spreadsheet. The models estimated in the paper allow also to carry out long-term forecasts.

18

Application of statistical process control for proper processing of the Fore-Sudetic Monocline copper ore

Tasdemir A., Kowalczuk P. B.

Physicochemical Problems of Mineral Processing

|

2014

|

Vol. 50, iss. 1

249--264

EN

The paper deals with Statistical Process Control (SPC) applied to three original and three generated variables of copper ore upgrading by flotation. The six variables were evaluated by the SPC charts based on industrial upgrading of copper ore data gathered during one month of operation in the form of copper content in feed, concentrate and tailing. The remaining three upgrading variables were concentrate yield, copper recovery in concentrate and non-copper components recovery in tailing. Although, all variables obeyed normal distribution, considerable autocorrelation was detected between observations for all variables. For this reason, the traditional Shewhart control charts, that assume the process data generated are normally and independently distributed, resulted in many of out-of-control points which may lead to wrong decisions regarding the control of process variables. The most suitable ARIMA time series models were determined for all variables to remove autocorrelations. The ARIMA(0,1,1) model was found the best for copper content in feed, copper content in concentrate, concentrate yield and non-copper components recovery in tailing, while the AR(1) model was suitable for copper content in tailing and copper recovery in concentrate.

19

Research on Management Policy and National Real Estate Climate Index in China

An H., Ding Y., Gao X., Li J.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 9b

25-28

EN

Using ARIMA time series analysis method, this paper predicts NRECI from May to December 2011. Then detailed analysis is made of the NRECI trend and the major management policies introduced in corresponding periods. The results show that NRECI is closely related with management policy of real estate industry in China. The development trend of the NRECI from May to December 2011 indicates that the authorities should take moderate management measures to keep the stable trend sustained.

PL

W artykule przedstawiono metodę obliczania iprzewidywnia współczynnika NRECI (National Real Estate Climate Index). Do tego celu wykorzystano metodę analizy szeregu ARIMA.

20

Modelowanie zmian zawartości chlorków w wodzie w procesie infiltracji

Gładysz B., Grochulska-Segal E.

Ochrona Środowiska

|

2005

|

R. 27, nr 2

45-48

PL

Na przykładzie ujęcia infiltracyjnego w Legnicy (Przybków) przedstawiono modele zmian zawartości chlorków w wodzie w procesie infiltracji. W tym celu zbudowano modele ARIMA szeregów czasowych zawartości chlorków wodzie infiltracyjnej w studni zbiorczej. Skonstruowano również równanie regresji zawartości chlorków w wodzie infiltracyjnej ze studni zbiorczej w zależności od ich zawartości w wodach Kaczawy oraz zależnie od wysokości opadów atmosferycznych w rejonie Legnicy. Otrzymana postać regresji pozwoliła wnioskować, że opóźnienie transportowe dla chlorków w wodzie ze studni zbiorczej wynosi około 42 dób. Zaprezentowane w pracy modele zastosowano do prognozowania zawartości chlorków w ujmowanej wodzie infiltracyjnej.

EN

Variations in the concentration of chlorides observed in the infiltration process were modeled for the infiltration water intake for the Water Treatment Plant of Legnica. For this purpose, ARIMA time series models for the chlorides contained in the infiltration water were constructed. A regression equation was derived to describe the concentration of chlorides in the infiltration water and relate it to the following two factors: the concentration of chlorides in the Kaczawa River and the intensity of precipitation in this area. The form of the regression equation implies that the transport delay for the chlorides to the intake wells approaches 42 days. The models presented in this paper were used to predict the chloride concentration in the infiltration water.