Wyniki wyszukiwania - BazTech

1

Risk analysis method by the extreme data of dependent exogenous variables

Tereshchenko Ihor, Tereshchenko Anton, Bilous Nataliya, Shtangey Svetlana, Warsza Zygmunt L.

Journal of Automation Mobile Robotics and Intelligent Systems

|

2021

|

Vol. 15, No. 3

44--53

EN

Many practical tasks of data multivariate statistical analysis from the standpoint of a risk-oriented process approach (in accordance with ISO 9001: 2015, 31000: 2018) requires the definition of the risk values for the dependent exogenous variables of some processes. This paper proposes the method, which consist of original stages sequence for calculating value-at-risk (VaR) or conditional-value-at-risk (CVaR) of dependent exogenous variables, presented of the extreme data frame of critical manufacture process parameters or other parameters, for example, extreme data of environmental monitoring and etc. Risk analysis method by the extreme data of dependent exogenous variables, presented of the data matrix, uses the result of solving the formalized problem of defines the tails parameters of the joint distributions of exogenous variables as components of a bivariate random variable. It can be argued that the tails parameters of the joint distributions of dependent exogenous variables make the validated corrections of the VaR and CVaR estimates for such variables. This method expands the practical application of extreme value theory for the value at risk analysis of any dependent variables as process parameters.

2

Methods of weather variables introduction into short-term electric load forecasting models - a review

Janicki M.

Przegląd Elektrotechniczny

|

2017

|

R. 93, nr 4

70--73

EN

Short-term load forecasting (STLF) is a problem of noticeable significance for operation of power systems. Wide range of methodologies for STLF is given in the literature – univariate models as well as multivariate ones (mostly extended with weather variables). This paper is an attempt to categorize various approaches of introducing exogenous variables into models. Different classifications of this aspect are created and described in an effort to demonstrate the problem from various perspectives. Finally, the advantages and disadvantages of reviewed solutions are discussed.

PL

Krótkoterminowe prognozowanie obciążeń jest istotnym elementem działania systemów elektroenergetycznych. W literaturze opisane zostało szerokie spektrum metod – modele zarówno jedno- jak i wielowymiarowe (najczęściej używające zmiennych pogodowych). W pracy podjęto próbę przeglądu metod prognozowania pod kątem sposobu w jaki korzystają one ze zmiennych egzogenicznych. Przedstawiono klasyfikacje dla tych metod opisujące problem z różnych perspektyw.

3

Wykorzystanie wielowarstwowych sztucznych sieci neuronowych do średnioterminowego prognozowania poboru wody – studium przypadku

Piasecki A., Jurasz J., Marszelewski W.

Ochrona Środowiska

|

2016

|

Vol. 38, nr 2

17--22

PL

Do prognozowania miesięcznego poboru wody w wybranym mieście o średniej wielkości wykorzystano wielowarstwowe sztuczne sieci neuronowe. Badaniem objęto jedno z osiedli w Toruniu – Czerniewice, które ma własny system wodociągowym (inny niż pozostała część miasta). Początkowo w analizie uwzględniono dziewięć zmiennych objaśniających, opisujących warunki meteorologiczne, ekonomiczne i społeczne. W trakcie prognozowania okazało się, że wykorzystanie wszystkich zgromadzonych zmiennych wejściowych korelujących z poborem wody nie dało prognoz najlepszych jakościowo. Najlepszy wynik w tym zakresie (oceniony na podstawie wartości błędu typu MAPE) uzyskano w przypadku modelu zbudowanego na podstawie takich zmiennych, jak liczba osób korzystających z wodociągu, cena wody, maksymalna temperatura i wilgotność powietrza oraz średni dochód na jednego mieszkańca. Wykazano, że zakres zmiennych uwzględnianych w prognozowaniu poboru wody za pomocą sieci neuronowych wymaga dostosowania do warunków lokalnych. W rozpatrywanym przypadku sztuczne sieci neuronowe potwierdziły swą użyteczność w zakresie średnioterminowego prognozowania poboru wody.

EN

Multilayer perceptron (MLP) artificial neural networks were employed to monthly water consumption forecasting. Research encompassed Czerniewice, one of the estates in Torun with a dedicated waterworks system (different from the other part of the town). Initially, nine exogenous variables describing meteorological, economic and social conditions were examined. The forecasting process revealed that implementation of all input variables correlating with water consumption did not lead to the highest quality forecasts. In terms of quality, the best result (evaluated based on MAPE criterion) was achieved for a model built on variables such as number of residents with access to waterworks, water rate, maximum temperature and humidity, and average income per inhabitant. It was demonstrated that the selection of input variables used for water consumption forecasting should be adjusted to local conditions. In the example considered, artificial neural networks proved useful in mid-term water consumption forecasting.