Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: usuwanie trendu

Sortuj według:

Ogranicz wyniki do:

Analysis of effectiveness and computational complexity of trend removal methods

Lentka Ł., Smulko J.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

2016

Nr 51

111--114

The paper presents a method of processing measurement data due to remove slowly varying component of the trend occurring in the recorded waveforms. Comparison of computational complexity and trend removal efficiency between some commonly used methods is presented. The impact of these procedures on probability distribution and power spectral density is shown. Effectiveness and computational complexity of these methods depend essentially on nature of the removed trend. This paper describes several procedures: Moving Average Removal (MAR), fitting a polynomial of degree appropriate to the analyzed data, Empirical Mode Decomposition (EMD).

W pracy przedstawiono sposób przetwarzania danych pomiarowych w celu usunięcia wolnozmiennej składowej trendu występującego w rejestrowanych przebiegach. Porównano kilka często stosowanych w tym celu metod pod względem ich złożoności obliczeniowej oraz skuteczności w usuwaniu trendu. Pokazano wpływ tych procedur na rozkład prawdopodobieństwa wartości chwilowych oraz przebieg gęstości widmowej mocy. W ogólności operację usuwania trendu możemy traktować jako filtrację górnoprzepustową danych pomiarowych. W celu usunięcia trendu można użyć filtru górnoprzepustowego (analogowego lub cyfrowego) już na etapie akwizycji danych pomiarowych. Jednakże często mamy do czynienia z danymi, w których składowa trendu jest potrzebna do przeprowadzania innych analiz i nie może być usunięta na etapie rejestracji danych pomiarowych. Ponadto, może mieć charakter niestacjonarny i metody filtracji górnoprzepustowej nie będą skuteczne. W takich przypadkach należy rozważyć inne, często bardziej zaawansowane metody. Skuteczność i złożoność obliczeniowa takich metod zależy istotnie od charakteru usuwanego trendu. W pracy opisano procedurę usuwania średniej kroczącej (ang. Moving Average Removal – MAR), metody o niskiej złożoności obliczeniowej, ale dającej zadowalające rezultaty w dużej liczbie potencjalnych zastosowań. Rozważono usuwanie trendu przez dopasowanie wielomianem odpowiedniego stopnia do analizowanych danych pomiarowy. Procedura ta może być powtarzana kilkukrotnie, nawet ze zwiększaniem stopnia wielomianu przy każdym z kroków, aż do uzyskania przebiegu, w którym usunięto składową trendu. Część pracy poświęcono prezentacji bardziej złożonych obliczeniowo metod, które zostały rozwinięte dopiero w ostatnich latach i wymagają znacznie bardziej intensywnych obliczeń.

Trend elimination of time series of 24-hour load demand in the power system and its application in power forecasting power system and its application in power forecasting

Siwek K., Osowski S., Świderski B.

Przegląd Elektrotechniczny

2011

R. 87, nr 3

249-253

The paper is concerned with the elimination of different trends existing in the time series representing the hourly power consumption in the power system of smali size. Analysing the hourly need for the power in such system we can observe significant trends associated with the season of the year, type of the day. as well as the particular hour of the day. At prediction task the variability of the time series is of great importance. The lower in this variability the belfer is the accuracy of prediction. In the paper we will present the method of reducing this variability by removing such trends. The eltmnation of trends is performed in few phases. The first step is to determine the index corresponding to the regular jth day of the weak for j = 1, 2, ..., 7 and also type of such day. After this first step of detrending of the time series we follow the second and third aiming at removing the trend coresponding to the particular hour h of the day (n=t, 2 ....o 24) and then the seasonality trend. characterizing the succeeding day of the year (d=t, 2, ..., 365). All detrending operations are done by using the appropriately defined indexes. After application of all these steps we get the final detrended time series corresponding to all days under consideration (o=t, 2 ..... p). The detrended time series is of much lower variance than the original one, This means the significant simplification of the forecasting problem and increase of probability of achieving belfer accuracy of forecasting results. The experiments of prediction of such detrended time series for smali power region of Łódz performed using two types of neural predictors (MLP and SVM) have proved the superiority of such approach.

Praca dotyczy usuwania różnego rodzaju trendów występujących w szeregu czasowym odpowiadającym obciążeniom godzinnym w systemie elektroenergetycznym. Zwykły szereg czasowy charakteryzujący pobór mocy. zwłaszcza w małym systemie elektroenergetycznym, charakteryzuje się występowaniem trendu związanego z charakterystycznymi cechami danego dnia tygodnia, sezonem oraz godziną doby. Wielkości te występują w miarę regularnie i istnieje możliwość ich znacznego złagodzenia. Usunięcie tych trendów powoduje istotne zmniejszenie różnic obciążeń występujących z godziny na godzinę. Oznacza to zmniejszenie zmienności analizowanego szeregu i w efekcie zwiększenie dokładności jego predykcji w procesie prognozowania obciążeń na nowy dzień. Praca dotyczy aspektu usuwania trendów różnego rodzaju poprzez wprowadzenie tzw. indeksów normalizacyjnych. Pokażemy. że zastosowane podejście pozwala na istotne zmniejszenie odchylenia standardowego odniesionego do wartości średniej obciążenia. Dzięki temu możliwe jest uzyskanie lepszej dokładności predykcji szeregu czasowego. Eksperymenty numeryczne przeprowadzone na danych z Łódzkiego systemu elektroenergetycznego potwierdziły. że istotnej redukcji ulega przede wszystkim błąd maksymalny.