Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: dekompozycja sezonowa

Sortuj według:

Ogranicz wyniki do:

Zastosowanie dekompozycji sezonowej (Census 1) w analizie szeregów czasowych i prognozowania w energetyce

Malska W., Wachta H.

Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika

2015

z. 34 [292], nr 1

41--50

W artykule zaprezentowano zastosowanie jednej z metod służących do analizy szeregów czasowych 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, miesiącach, dobach, itp.). 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). W artykule przedstawiono zastosowanie metody wskaźników do analizy szeregów czasowych i prognozowania w odniesieniu do zagadnień energetyki. Otrzymane wyniki obliczeń mogą być przydatne w podejmowaniu decyzji i monitorowaniu funkcjonowania systemu elektroenergetycznego Polski pod kątem relacji mocy dyspozycyjnej elektrowni krajowych w odniesieniu do maksymalnego zapotrzebowania na moc w Krajowym Systemie Elektroenergetycznym Polski. Wyniki obliczeń zaprezentowano z wykorzystaniem pakietu STATISTICA v. 10.0, wspomagającego analizę i obliczenia.

The article presents the use of a method for the analysis of 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, months, days of, etc.). 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). This paper presents an application of the method of indicators to time series analysis and forecasting in relation to the energy sector. The results of calculations can be useful in making decisions and monitoring the functioning of the Polish power system in terms of the relationship of the national power available capacity for the maximum power demand in the Polish National Power System. The calculation results are presented using STATISTICA v. 10.0, supporting the analysis and calculation.

Porównanie średniej dobowej temperatury gleby porośniętej trawnikiem mierzonej i obliczanej metodami standardową i automatyczną

Kajewska-Szkudlarek J., Rojek M.

Przegląd Naukowy Inżynieria i Kształtowanie Środowiska

2014

Vol. 23, No. 3

250--260

W pracy przedstawiono wyniki analizy średnich dobowych wartości temperatury gleby mierzonej termometrami rtęciowymi i czujnikami elektronicznymi w okresie 2000–2009 na terenie Obserwatorium Wrocław-Swojec. Średnie dobowe według metody klasycznej były obliczane na podstawie trzech dziennych pomiarów terminowych, natomiast według metody automatycznej w dwojaki sposób: z tych samych terminów, w których wykonywano obserwacje manualne oraz z 24 godzin. W celu odpowiedzi na pytanie, czy zmiana sposobu obliczania średnich dobowych wartości temperatury gleby może spowodować zmniejszenie różnic pomiędzy obiema metodami jej pomiaru, wykorzystano analizę regresji, częstość i istotność różnic oraz analizę szeregów czasowych (tj. analizę autokorelacji i dekompozycję sezonową).

The study presents the results of an analysis of mean daily values of soil temperature measured with mercury thermometers and electronic sensors during the period 2000–2009 in Wroclaw-Swojec Observatory. Daily averages were calculated from three measurements a day with standard devices and in two ways from automatic data: from the same terms and from all 24 hours. Linear regression, frequency and significance of differences, time series analysis (i.e. autocorrelation analysis and seasonal decomposition using the additive model) were performed to determine whether a change in the method of calculating mean daily values might decrease the differences between the two methods.