Wyniki wyszukiwania - BazTech

1

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

PL

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.

EN

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.

2

Ocena przydatności modelu predykcyjnego do prognozowania wielkości sprzedaży kwiatów ciętych

Kutyba A., Mikulik J.

Logistyka

|

2015

|

nr 2

473--485, CD1

PL

Zaopatrzenie i sprzedaż w każdym typie przedsiębiorstwa stanowi ważną i złożoną część jego działalności. W przypadku przedsiębiorstw handlowych to fundamentalny obszar od którego zależy ich rentowność i funkcjonowanie. To procesy obejmujące wiele działań, które jako dobrze współpracująca całość stanowi atut przedsiębiorstwa. W artykule przedstawiono analizę zastosowania modelu predykcyjnego do prognozowania wielkości sprzedaży kwiatu ciętego - „róża” na podstawie danych historycznych pochodzących z hurtowni żywej zieleni w Krakowie. Asortyment towarowy w badanej hurtowni należy do grupy towarów o bardzo krótkim terminie przydatności. Oceniono przydatność metody wskaźników w wersji addytywnej i multiplikatywnej. Porównano modele ze względu na minimalizację standardowego błędu prognozy oraz podano wyniki dla wersji multiplikatywnej.

EN

Supply and sales in any type of enterprise is an important and complex part of its operation. In the case of commercial enterprises, it is a fundamental area on which depends their profitability and performance. These processes include many activities that as the well - cooperating whole constitute an asset of the company. The article presents an analysis of the use of the prediction model to predict the volume of the cut flower – rose sales on the basis of historical data from the warehouse of green in Krakow. Range of goods in the analysed warehouse belongs to the group of goods with a very short shelf life. The usefulness of the method of indicators in additive and multiplicative version was assessed. The models were compared with regard to the minimization of the standard error of forecast and the results for the multiplicative version were given.

3

Prognozowanie udziału należności terminowych dla przykładowej kopalni odkrywkowej surowców skalnych za pomocą wybranych metod szeregów czasowych

Trzaskuś-Żak B.

Przegląd Górniczy

|

2012

|

T. 68, nr 9

175--179

PL

W artykule została przeprowadzona analiza polegająca na skonstruowaniu modeli prognostycznych dla udziału procentowego należności terminowych w kopalni odkrywkowej skalnych surowców drogowych „X”. Analizowane dane występują w postaci szeregu czasowego złożonego z 72 miesięcy rzeczywistych wartości należności spłacanych terminowo. W niniejszym artykule oszacowane i zweryfikowane zostały dwa modele prognostyczne; pierwszy z nich w oparciu o metodę wskaźników, drugi z nich to model autoregresyjny. Sporządzono również średnią prognozę na podstawie dwóch otrzymanych modeli. Obliczono, średni kwadratowy błąd prognoz ex post-MSE (mean squared error), a następnie jego pierwiastek, czyli RMSE (root mean square error), jak również średni absolutny błąd procentowy ex post-MAPE (mean absolute percentage error) dla wyznaczonych prognoz w dwóch skonstruowanych modelach prognostycznych.

EN

In the article has been performed an analysis consisting in the construction of prognostic models for the percentage share of paid-in-term receivables in an opencast road rock raw materials mine “X”. The analyzed data occur in the form of time series composed of 72 months of real values of paid-in-term receivables. In this article there are presented stages of development and verification of forecasting models based on two methods: a factors’ method and an autoregressive model. Besides that, an average forecast was also prepared on the basis of the two obtained models. Furthermore, an ex post mean squared forecast error (ex post-MSE) was calculated and then its root, that is RMSE (root mean square error) as well as ex post-MAPE ( mean absolute percentage error) for the established forecast.