PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 12

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  forecasting model
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Bayesian Forcasting Model : 2020 Presidential Elections in the United States of America
Raczyńska Maria
Kwartalnik Bellona
|
2021
|
Nr 1
91--104
EN
The article describes and explains a prior centric Bayesian forecasting model for the 2020 US elections. The model is based on the The Economist forecasting project, but strongly differs from it. From the technical point of view, it uses R and Stan programming and Stan software. The article’s focus is on theoretical decisions made in the process of constructing the model and outcomes. It describes why Bayesian models are used and how they are used to predict US presidential elections.
PL
W artykule opisano model prognostyczny wykorzystujący wnioskowanie bayesowskie, prognozujący wynik wyborów prezydenckich w Stanach Zjednoczonych z 2020 roku. Model został stworzony na podstawie prognozy opracowanej przez „The Economist”, jednak z istotnymi różnicami: wykorzystuje język programowania R i Stan oraz oprogramowanie Stan. W artykule skoncentrowano się na przedstawieniu decyzji teoretycznych, które skutkowały zadowalającą prognozą. Wyjaśniono, dlaczego używa się modeli opartych na wnioskowaniu bayesowskim oraz jak tworzy się na ich podstawie prognozę wyborów prezydenckich w USA.
2
Content available Varimax Model to Forecast the Emission of Carbon Dioxide from Energy Consumption in Rubber and Petroleum Industries Sectors in Thailand
Sutthichaimethee P.
Journal of Ecological Engineering
|
2017
|
Vol. 18, nr 3
112-117
EN
This study aims to analyze the forecasting of CO2 emission from the energy consumption in the Rubber, Chemical and Petroleum Industries sectors in Thailand. The scope of research employed the input-output table of Thailand from the year 2000 to 2015. It was used to create the model of CO2 emission, population, GDP growth and predict ten years and thirty years in advance. The model used was the VARIMAX Model which was divided into two models. The results show that from the first model by using which predicted the duration of ten years (2016–2025) by using VARIMAX Model (2,1,2), On average, Thailand has 17.65% higher quantity of CO2 emission than the energy consumption sector (in 2025). The second model predicted the duration of 30 years (2016–2045) by using VARIMAX Model (2,1,3) shows that Thailand has average 39.68% higher quantity of CO2 emission than the energy consumption sector (in 2025). From the analyses, it shows that Thailand has continuously higher quantity of CO2 emission from the energy consumption. This negatively affects the environmental system and economical system of the country incessantly. This effect can lead to unsustainable development.
3
Content available remote Model prognostyczny zapotrzebowania na ciepło z wykorzystaniem struktur sztucznych sieci neuronowych
Aleksiejuk P.
Instal
|
2016
|
nr 2
13--15
PL
W ramach niniejszej pracy opracowano numeryczny model prognostyczny oparty na strukturze sieci neuronowych wyliczający wartość zapotrzebowania na ciepło wszystkich odbiorców przyłączonych do sieci ciepłowniczej w zależności od parametrów wejściowych. W pracy opisano proces analizy, korekty oraz podziału danych uczących. Ponadto, zbadano jakość prognozy pochodzącej z opracowanego modelu na potrzeby planowania produkcji ciepła w horyzoncie prognozy wynoszącym 24 lub 48 godzin w zależności od zastosowanej struktury sieci neuronowej.
EN
The aim of this thesis was to formulate numerical predictive model based on artificial neural networks structure that counts the value of heat demand depending on input parameters for all receivers connected to district heating system. The paper contains descriptions of data analysis, correction and division of training dataset. What is more, the quality of forecast obtained from developed model was investigated for planning the heat production in 24 or 48 hour prognosis horizon depending on applied structure of neural network.
4
Content available Application of the Statistical Error and Quantitative Performance Measures in the Evaluation Process of Short-Term Air Quality Forecasts for Krakow (Poland)
Szulecka A., Mazur M.
Geomatics and Environmental Engineering
|
2016
|
Vol. 10, no. 3
87--99
PL
Obecnie matematyczne modelowanie prognozowania jakości powietrza ma duże znaczenie ze względu na potrzebę informowania ludności o spodziewanych stężeniach zanieczyszczeń i wydawania odpowiednich ostrzeżeń. Na każdym etapie stosowania systemu modelowania wymagana jest dokładna weryfi kacja i diagnostyka jego wydajności. W pracy przedstawiono wyniki oceny statystycznej systemu krótkoterminowych prognoz jakości powietrza na obszarze Krakowa (Polska) w okresie kwiecień 2014 – marzec 2015. Prognozy opierają się na systemie modelowania opracowanym przez fundację EkoPrognoza i udostępnianym Politechnice Warszawskiej. Obliczenia wykonywano za pomocą modelu GEM-AQ, a ich wynikiem są publicznie dostępne prognozy średnich dziennych stężeń PM10, PM2,5, NO2 , SO2 , CO oraz O3 . W trakcie prowadzonych badań wartości te zostały porównane z wynikami obserwacji pomiarowych rejestrowanych na stacji tła miejskiego w Krakowie (ul. Bujaka) przy użyciu statystyk błędów i mierników wydajności modelu zalecanych przez Amerykańską Agencję Ochrony Środowiska. Wyniki przeprowadzonych obliczeń wskazują na dobrą sprawdzalność prognoz stężeń PM10 oraz PM2,5 w okresie analizy, co skutkuje ich silną korelacją z wynikami pomiarów. Oceniany model przejawia tendencję do przeszacowywania wszystkich prognoz w odniesieniu do pomiarów stężeń substancji gazowych na stacji przy ul. Bujaka. Największe rozbieżności dotyczą prognoz stężenia dwutlenku siarki (SO2) oraz ozonu (O3) i są charakterystyczne głównie dla sezonu pozagrzewczego. Niedokładność prognoz wpływa na wiarygodność przewidywanej wartości wspólnego indeksu jakości powietrza (CAQI), będącego wypadkową stężeń poszczególnych zanieczyszczeń powietrza.
EN
Currently, mathematical modelling air quality forecasts is of great importance due to the need of informing the population about the upcoming concentrations of air pollutants and issuing accurate alerts. At each stage in the application of a modelling system a proper verification and performance diagnostics is required. This paper presents the results of a statistical evaluation of the short-term air quality forecasting system for the area of Krakow, Poland, over the period of April 2014 – March 2015. The analysed forecasts are prepared by Warsaw University of Technology on the basis of the modelling system created by the EkoForecast foundation. Calculations in this system are performed by the GEM-AQ model, which produces publicly available predictions of the daily average concentrations of PM10, PM2.5, NO2 , SO2 , CO and O3 . In this study these values were compared to the measured observations recorded at the urban background station in Krakow (Bujaka St.) with the use of error statistics and quantitative performance measures suggested by the US EPA. The results of the analysis indicate good reliability of PM10 and PM2.5 forecasted concentrations during the examined period of time, which provides high correlation rates for these observations. Evaluated model tends to overestimate all the predictions in reference to Bujaka St. station measurements. The highest discrepancies are evident in the case of sulphur dioxide (SO2) and ozone (O3) predictions occurring mainly during the non-heating season. Insuffi cient forecast accuracy aff ects the reliability of the predicted Common Air Quality Index (CAQI), which depends on the concentration of particular air pollutants.
5
Content available Prognozowanie przewozów w regionie sieci transportowej
Cisowski T., Stokłosa J.
TTS Technika Transportu Szynowego
|
2014
|
R. 21, nr 9
36--38
PL
Prognozowanie jest określeniem możliwego przebiegu procesu w przyszłości na bazie informacji pochodzących z przeszłości. Prognozowanie dotyczy różnych dziedzin wiedzy, w tym logistyki i transportu. W zależności od celu prognozy, dziedziny wiedzy, struktury i zakresu informacji o przeszłości można stosować różne metody i modele prognozowania.
6
Forecasting model of tasks’ execution in the public transport system
Bojda K.
Logistyka
|
2014
|
nr 4
2697--2704
EN
The presented article discusses the forecasting model of the tasks’ execution in the public transport system using the time series theory. The consecutive steps of building a model using the statistical package R has been described. Practical verification of the model was performed using real data acquired from the carrier performing services in public transport. The results obtained were rated positively, however, the need for further work on improving the quality of appointed forecasts has been stated.
PL
W przedstawionym artykule omówiono model prognozowania realizacji zadań w systemie transportu publicznego wykorzystujący teorię szeregów czasowych. Opisano poszczególne kroki budowy modelu przy wykorzystaniu pakietu statystycznego R. Praktyczną weryfikację modelu przeprowadzono z wykorzystaniem danych rzeczywistych pozyskanych od przewoźnika realizującego przewozy w transporcie miejskim. Uzyskane wyniki oceniono pozytywnie, zwrócono jednakże uwagę na konieczność dalszych prac nad poprawą jakości wyznaczanych prognoz.
7
Projektowanie i analiza modeli prognostycznych stanu wody na rzece Mała Panew
Kulig K.
Zeszyty Naukowe. Elektryka / Politechnika Opolska
|
2012
|
z. 67
43-46
PL
W artykule przedstawiono zagadnienia prognozowania oraz potrzeby jego stosowania w życiu codziennym. Przedstawiono również modele prognozujące stan wody na rzece Mała Panew zaprojektowane w systemie Predyktor. W artykule dokonano również analizy uzyskanych wyników prognoz.
EN
This paper presents the issues of forecasting and the need for its use in everyday life. It also presents the water level forecasting models on the Mala Panew River designed in the “ Predyktor” system. In this article was also presented ​​an analysis of the obtained forecasting results.
8
Design and analysis of nonlinear forecasting models using the "Predyktor" system
Kulig K.
Zeszyty Naukowe. Elektryka / Politechnika Opolska
|
2011
|
z. 66
45-46
EN
This paper describes the issue of forecasting and the need for its use in everyday life. Also, the "Predyktor" system is described as a simple and effective tool for the design and analysis of forecasting models. In addition, the paper presents examples of forecasting models, developed in this system and it performs an analysis of the obtained forecast results.
9
Sztuczny system immunologiczny do krótkoterminowych prognoz obciążeń systemów elektroenergetycznych
Dudek G.
Śląskie Wiadomości Elektryczne
|
2011
|
Nr 6 (99)
12--15
PL
Przedstawiono model prognostyczny oparty na sztucznym systemie immunologicznym. Pamięć immunologiczna utworzona w procesie treningu reprezentuje obrazy połączonych sekwencji szeregów czasowych obciążeń - poprzedzających prognozę i prognozowanych. Przeciwciała zawarte w tej pamięci rozpoznają obrazy po sekwencji poprzedzającej prognozę i odtwarzają sekwencję prognozowaną.
EN
A forecasting model based on an artificial immune system was presented. The immune memory which is created during training, represents patterns of concatenated sequences of the load time series - the sequence preceding the forecast and the forecasted one. Antibodies contained in this memory recognize the first sequence of patterns and restore the forecasted sequence.
10
Content available remote Forecasting Models of Tool use in Different Intervals of Time
Rojek I.
Management and Production Engineering Review
|
2010
|
Vol. 1, No. 1
31-39
EN
In the paper the forecasting models of tool use in dii erent intervals of time were presented. The models were worked out by the use of hybrid neural networks in the form of: linear neural network (L) - multi-layer networks with error backpropagation (MLP), L network - Radial Basis Function network (RBF), MLP network - RBF network and L network - MLP network - RBF network. The comparison of these models was executed. The effectiveness of forecasting of tool use in different time intervals is the measure of model evaluation. These models are used at the design stage of manufacturing process with the aim to plan production and prevent standstill due to lack of tools, and special tools in particular. The created models were tested on real data from an enterprise.
11
Content available Model regresji wilgotności ściółki w zależności od warunków meteorologicznych
Szczygieł R., Ubysz B.
Bezpieczeństwo i Technika Pożarnicza
|
2009
|
Nr 4
45-82
PL
Artykuł przedstawia badania dotyczące modelu regresji wilgotności ściółki leśnej w zależności od różnych warunków meteorologicznych. Mogą one zostać użyte szacowania niebezpieczeństwa pożarowego lasu. Do testów statystycznych wykorzystano program STATA 9.
EN
The paper presents regression models permitting forecasting the flammable material humidity (Scots pine /Pinus silvestris L. litter) depending on meteorological parameters. The equations developed may be used for forest fire danger assessment. For statistical tests, the STATA 9 program was used.
12
Content available remote Problemy związane z prognozowaniem zużycia energii elektrycznej w Polsce
Dąsal K., Popławski T.
Polityka Energetyczna
|
2008
|
T. 11, z. 1
101-115
PL
Mówiąc o prognozowaniu zużycia energii elektrycznej można rozważać ten problem w różnych kategoriach. W podziale czasowym będą to najczęściej prognozy krótko, średnio i długookresowe. Chociaż podkreślić należy wyraźnie względność tego podziału. Horyzont roczny dla potrzeb Giełdy będzie prognozą długoterminową, dla innego odbiorcy - krótkookresową. Można wyróżnić prognozy w podziale strukturalnym, napięciowym, taryfowym, terytorialnym czy też w węzłach sieci na różnych poziomach napięć [2],[6]. Każdy z tych podziałów ma swoją specyfikę, wymaga różnych modeli, różnych danych wejściowych, różnić może się oceną dokładności prognoz, odmienne na ogół są też cele prognoz krótkoterminowych i długoterminowych. Znajomość prognoz długoterminowych jest niezbędna głównie dla celów racjonalnego prowadzenia eksploatacji systemu elektroenergetycznego, a także do planowania jego rozwoju. W artykule skoncentrowano się na jeszcze jednym, ważnym aspekcie modelowania w ogóle, a w szczególności energii elektrycznej. Chodzi tu o podjęcie decyzji: modelować z wykorzystaniem jedynie procesu, czyli szeregu czasowego, czy tez budować model przyczynowo - skutkowy.
EN
Talking about forecasting of electric energy consumption we shall consider the issue in different categories. In terms of forecasting period, the short-term, medium-term and long-term forecasts can be distinguished. The forecasts may be classified in the terms of structure, voltage, tariff, area or in the nodes of the network for different voltage levels [2,6]. Each of these specifications has its own peculiarities, requires different models, different input data, the accuracy assessment may be different as well as the aims of the short-term and long-term forecasts. The knowledge of long-term forecasts is necessary for reasonable use of resources in the electric power engineering system as well as for planning of its development. In the paper the attention was focused on another important aspect of modeling, in particular modeling of electric energy consumption. The decision to be taken is: to model using the process data only, i.e. time series, or to develop an econometric model.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.