Wyniki wyszukiwania - BazTech

1

Carbon emissions futures price forecasting with random forest

Pawłowski Piotr

Rynek Energii

|

2021

|

Nr 2

88--92

EN

The accurate carbon price forecasts are necessary for energy and financial market participants. However, nonstationary and nonlinear nature of carbon prices time series, makes it relatively hard to capture rapid price fluctuations. Literature concerning carbon prices forecasting has extended visibly during last decade, focusing on ARIMA, GARCH or hybrid models combing characteristics of linear and non-linear predictive methods. Development of machine learning techniques and widely available computing power made it possible to test more power consuming algorithms such as XGboost or Random Forest. In this article Random Forest model was used to predict carbon emissions futures price for day ahead, with additional parameter tuning. The final results evaluated on testing dataset indicate that the proposed model performs better than classic linear model and parameter tuning can additionally enhance model accuracy. Overall, the developed approach provides an effective method for predicting carbon price.

PL

Dokładne prognozy cen emisji dwutlenku węgla są niezbędne dla uczestników rynku energii i rynków finansowych. Niestacjonarny i nieliniowy charakter cen emisji dwutlenku węgla sprawia, że stosunkowo trudno jest uchwycić ich gwałtowne wahania. Literatura dotycząca prognozowania cen emisji dwutlenku węgla znacznie się rozwinęła w ciągu ostatniej dekady, koncentrując się głównie na modelach typu ARIMA, GARCH lub hybrydowych łączących cechy liniowych i nieliniowych metod predykcyjnych. Rozwój technik uczenia maszynowego i powszechność dostępnych mocy obliczeniowych umożliwiły testowanie bardziej zaawansowanych algorytmów, takich jak XGboost czy Random Forest. W niniejszym artykule do prognozowania ceny kontraktów terminowych emisji dwutlenku węgla na dzień naprzód został wykorzystany model oparty o lasy losowe, z dodatkowym dostrojeniem parametrów. Ostateczne wyniki zweryfikowane na testowym zbiorze danych wskazały, że proponowany model działa lepiej niż klasyczny model liniowy, a strojenie parametrów może dodatkowo zwiększyć jego dokładność. Tym samym, opracowane podejście zapewnia skuteczną metodę przewidywania ceny emisji dwutlenku węgla na dzień następny.

2

Adaptation of models from determined chaos theory to short-term power forecasts for wind farms

Popławski T., Szeląg P., Bartnik R.

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2020

|

Vol. 68, nr 6

1491--1501

EN

The paper proposes an adaptation of mathematical models derived from the theory of deterministic chaos to short-term power forecasts of wind turbines. The operation of wind power plants and the generated power depend mainly on the wind speed at a given location. It is a stochastic process dependent on many factors and very difficult to predict. Classical forecasting models are often unable to find the existing relationships between the factors influencing wind power output. Therefore, we decided to refer to fractal geometry. Two models based on self-similar processes (M-CO) and (M-COP) and the (M-HUR) model were built. The accuracy of these models was compared with other short-term forecasting models. The modified model of power curve adjusted to local conditions (M-PC) and Canonical Distribution of the Vector of Random Variables Model (CDVRM). Examples of applications confirm the valuable properties of the proposed approaches.

3

Simulation of mine water inflow: Case study of the Štavalj Coal Mine (southwestern Serbia)

Miladinovic B., Vakanjac V. R., Bukumirovic D., Dragisic V., Vakanjac B.

Archives of Mining Sciences

|

2015

|

Vol. 60, no. 4

955--969

EN

The inflow of mine water to mining operations is often caused by random events such as precipitation. Consequently, the mine water inflow regime can be defined as a function of random events applying the theory of random processes. Regression models of the multiple linear correlation type have been used to simulate the inflow of mine water into mining operations, produce short-range predictions and facilitate rapid response inside the mine. The significance of such models lies in the ability to simulate and predict the consequences (mine water inflow), caused by events of a random nature (meteorological parameters: precipitation and air temperature). The presented prognostic models have been calibrated for mine water inflow to the Štavalj Coal Mine in southwestern Serbia. Mathematical dependencies were defined based on daily mine water inflow rates recorded during the period from 2003 to 2011, which can be used to generate short-range (1-7 day) predictions of mean daily mine water inflow rates to the Štavalj Coal Mine. A strong correlation (coefficient of correlation r = 0.93, Sig. = 0.00) was derived for the one-day forecast. The coefficients of correlation for predictions of mean daily mine water inflow rates related to time periods of two, three...seven days gradually declined to 0.63 (7-day mean daily inflow rate).

PL

Przedostawanie się wody do wyrobisk górniczych spowodowane jest czynnikami losowymi, na przykład opadami. Dlatego też dopływ wód kopalniach zdefiniować można jako funkcję czynników losowych, z zastosowaniem teorii procesów losowych. Symulacje dopływu wód kopalniach do wyrobiska prowadzono z wykorzystaniem modelu regresji typu wielokrotnych korelacji liniowych, na tej podstawie opracowano prognozy krótkoterminowe, tym samym umożliwiając podjecie szybkich działań w kopalni. Znaczenie modeli takich polega na ich przydatności do symulacji i przewidywania skutków dopływu wód kopalnianych, spowodowanego czynnikami losowymi (parametry meteorologiczne: opady i temperatura powietrza). Zaproponowany model skalibrowany został na przykładzie badanego dopływu wód kopalnianych do kopalni Stavalj w południowo-zachodniej Serbii. Matematyczne zależności zdefiniowano w oparciu o dobowe natężenia przepływu wód kopalniach zarejestrowane w okresie od 2003 do 2011 roku, które wykorzystać można do opracowania krótkoterminowych prognoz (obejmujących 1-7 dni) średniego natężenia przepływu wody do kopalni węgla Stavalj. Stwierdzono wysoki poziom korelacji dla prognozy jednodniowej (współczynnik korelacji r = 0.93). Wartości współczynnika korelacji otrzymywane dla kolejnych dni stopniowo malały, do 0.63 dla prognozy siedmiodniowej.