Wyniki wyszukiwania - Biblioteka Nauki

1

O możliwościach wykorzystania rotacyjnego lasu w badaniach rynkowych i marketingowych

100%

Łapczyński M.

Econometrics. Ekonometria. Advances in Applied Data Analytics

|

2017

|

nr 1 (55)

69-81

PL

Rotacyjny las (rotation forest) jest narzędziem analitycznym służącym do budowy zagregowanych modeli predykcyjnych. Pojedyncze modele drzew klasyfikacyjnych powstają na podstawie podprób bootstrapowych, a do ich budowy używa się innych zbiorów zmiennych niezależnych. Początkowo dzieli się zbiór tych zmiennych na k rozłącznych podzbiorów, a następnie w każdym z nich stosuje się analizę głównych składowych w celu uzyskania liniowej kombinacji zmiennych wejściowych. Celem artykułu jest porównanie skuteczności modeli prognostycznych zbudowanych za pomocą rotacyjnego lasu z innymi modelami zagregowanymi: metodą bagging, drzewami wzmacnianymi AdaBoost i losowym lasem. Do analiz wykorzystano 11 zbiorów obserwacji pobranych z popularnego repozytorium on-line. Obliczenia zostały wykonane w programie WEKA (Waikato Environment for Knowledge Analysis), a ocena modeli została dokonana za pomocą czterech miar: dokładności, czułości, precyzji i miary F. Wyniki wskazują na ograniczone możliwości wykorzystania tego modelu zagregowanego w badaniach rynkowych i marketingowych. Najważniejsze przeszkody dotyczą poziomu pomiaru zmiennych niezależnych i zasobów sprzętowych niezbędnych do analizy dużych zbiorów danych.

2

Kataster w czasie i przestrzeni. Próba identyfikacji i predykcji

88%

Adamczewski Z.

|

1999

|

tom R. 71, nr 10

3-5

3

Prognozowanie za pomocą metod fraktalnych jako element wspomagania zarządzania przedsiębiorstwem

75%

Mularczyk A.

|

2008

|

tom z. 45

281-292

PL

W artykule przedstawiono jedną z możliwości zastosowania metod fraktalnych do krótkoterminowego prognozowania zjawisk w przedsiębiorstwach. Wstępnie podkreślono brak możliwości prognoz długoterminowych w układach, w których istnieje chaos. W drugiej części przedstawiono wyniki predykcji sprzedaży i zapotrzebowania w pewnym przedsiębiorstwie, opartej na własności wykładnika Hursta.

EN

In the paper one of the possibilities of the implementation of fractal methods into short-term prediction of the enterprises activities was proposed. At the beginning the lack of the possibility of long term predictions at chaotic sets was stressed. Afterwards, the results of forecasting of the sale and demand at an exemplary enterprise vie the Hurst exponent features were presented.

4

Zmniejszanie błędu dynamicznego elektrod jonoselektywnych przez programową predykcję wartości końcowej potencjału

75%

Wiora A. , Wiora J. , Pacak P.

|

2008

|

tom z. 1

133-143

PL

Czas odpowiedzi elektrody jonoselektywnej odgrywa rolę wtedy, gdy pomiary prowadzone są dla roztworów bardzo rozcieńczonych. Czas oczekiwania na ustalenie się końcowej wartości potencjału E% może sięgać kilkudziesięciu minut. Opracowany algorytm pozwala na znacznie wcześniejsze oszacowanie poprawnej wartości E2. W zależności od zastosowanego modelu opisującego właściwości dynamiczne elektrod jonoselektywnych, wpływu zakłóceń i poprawności doboru wartości parametrów dynamicznych, błąd dynamiczny zmniejsza się od dwóch do sześciu razy przy zastosowaniu opracowanego algorytmu. Badania algorytmu na danych pomiarowych wykazały, że dla analizowanych przebiegów najlepszym modelem użytym do predykcji E2 jest model Rechnitza-Hameki.

EN

The response time of ion-selective electrodes (ISEs) is especially essential when measurements are performed for diluted solutions. The time needed to archive the steady-state E2 can be measured in minutes. The developed algorithm shorten the time significantly by using the estimated value of E2. The dynamic error is then reduced 2-6 times, depending on model applied to describe the dynamic properties of ISE, on disturbances and on correctness of choice of the dynamic parameters. Real measuring data used in tests prove that the best model applied to the prediction of E2 value is Rechnitz-Hameka model.

5

Estymacja jądrowa w predykcji szeregów czasowych

75%

Michalak M. , Stąpor K.

|

2008

|

tom Vol. 29, nr 3A

71-90

PL

Artykuł opisuje problem predykcji w szeregach czasowych. Autorzy opisują modyfikację algorytmu jądrowego, którą porównują z metodą dekompozycji. W wyniku zastosowania zmodyfikowanego algorytmu zmniejszono błąd predykcji o jedną trzecią w porównaniu z najlepszym wynikiem uzyskanym metodą dekompozycji. Do eksperymentów użyto zarówno danych syntetycznych, jak i rzeczywistych.

EN

This paper raises a problem of time series prediction. Authors describe a modification of kernel prediction and compare it with the time series decomposition. The final prediction error was decreased by one third in comparison with the best result of time series decomposition. Experiments were conducted on the real and synthetic data.

6

Analiza statystyczna zmiennej losowej wielowymiarowej w aspekcie korelacji i predykcji

75%

Czaja J. , Preweda E.

|

2000

|

tom T. 6, z. 2

129-145

PL

Przedstawiona analiza różnych współczynników korelacji ma na celu wskazanie, w jakich obszarach badań można stosować odpowiedni rodzaj współczynnika korelacji oraz jaka jest ich interpretacja analityczna i geometryczna. Z analizy tej można wnioskować, że dla zmiennych losowych kwantyfikowanych zawsze powinien być stosowany współczynnik korelacji Pearsona, gdyż jego wartość jest związana z parametrami rozkładu zmiennej losowej oraz posiada ścisłą interpretację geometryczną. Wartość tego współczynnika ustala poziom istotności dla wielkości prognozowanych z modelu liniowej regresji. Współczynniki korelacji Pearsona definiują również elementy macierzy korelacyjnej dla zmiennej losowej wielowymiarowej, która jest podstawą do wszelkich analiz statystycznych tych zmiennych. Na podstawie elementów macierzy korelacyjnej można obliczyć współczynnik korelacji wielorakiej, współczynniki korelacji cząstkowej oraz współczynniki regresji. Macierz korelacyjna może być również wykorzystana do analizy dokładności nowych statystyk (parametrów) opartych na rozpatrywanych zmiennych losowych, a to prowadzi do określenia macierzy kowariancji dla tych parametrów

EN

The purpose of the analysis of different correlation coefficients is to indicate the application range of a given correlation coefficient as well as its analytic and geometric interpretation. From the analysis it may be concluded that it is always necessary to use Pearson correlation coefficient for quantitative random variables, because this coefficient value is connected with random variable distribution parameters and has a strict geometric interpretation. The value of the coefficient is determined by significance level for quantities predicted from linear regression model. Pearson correlation coefficients also define correlation matrix elements for a multidimensional random variable being the basis of all statistic analyses of these variables. Using the correlation matrix elements, it is possible to calculate the multiple correlation coefficients, partial correlation coefficients and regression coefficients. Correlation matrix may be applied to examine the accuracy of new statistics based on considered random variables and, consequently, to determine covariance matrix for these parameters

7

Optimizing the mathematical model for prediction of energy production in wind power plants

75%

Misak S. , Prokop L. , Dvorsky J.

|

2011

|

tom R. 87, nr 2

74-78

EN

Wind Power Plants are classified as a power energy sources with non-stabile supply of electric energy. It is necessary to back up power energy from Wind Power Plants for stabile electric network operation. We can set an optimal value of back up power energy with using variety of prediction models. Mathematical model for prediction of Wind Power Plant energy was developed at the Technical University of Ostrava within research project MSM 6198910007. There are introduced partial results of predictive model verification.

PL

Elektrownie wiatrowe zalicza się do źródeł energii charakteryzujących się niestabilnością dostaw energii elektrycznej. Dla stabilnej pracy sieci niezbędne jest rezerwowanie energii z elektrowni wiatrowych. Optymalny stopień rezerwowania można wyznaczyć przy użyciu różnych modeli prognostycznych. Na Uniwersytecie Technicznym w Ostrawie został opracowany w ramach projektu MSM 6198910007 matematyczny model predykcji energii z elektrowni wiatrowych. Przedstawiono częściowe wyniki weryfikacji modelu predykcji.

8

Predykcyjne algorytmy pomiaru wielkości kryterialnych cyfrowych zabezpieczeń elektroenergetycznych

75%

Micek L.

|

1998

|

tom Nr 545(27)

3-78

PL

W niniejszej pracy zaproponowano uzupełnienie znanych algorytmów pomiarowych, predykcyjnymi metodami estymacji wielkości kryterialnych i wykorzystanie otrzymanej prognozy jako kolejnego kryterium działania zabezpieczenia. W prezentowanym rozwiązaniu postuluje się zastosowanie nowych cyfrowych filtrów predykcyjnych, przy czym filtracja sygnału (próbek prądu lub napięcia) nie zakłada funkcji okresowo zmiennych. Opracowane przez autora filtry predykcyjne automatycznie realizują aproksymację przebiegów prądu i napięcia (w odpowiednio zawężonych przedziałach czasowych) odcinkami funkcji nieokresowych (wielomiany niskiego stopnia). Aproksymacja dokonywana jest na bazie metody najmniejszych kwadrastów. Najbardziej przydatna do tego celu jest ortogonalna postać rozwiązania układu równań normalnych, w której wykorzystano algebraiczne odwrócenie macierzy współczynników wielomianu aproksymującego. Jest to oczywiście niezbędne dla maksymalnego skrócenia czasu obliczeń. W szczególności wskazuje się na realne wykorzystanie optymalnych kombinacji filtrów cyfrowych realizujących aproksymację wielomianami niskich stopni. Ponieważ kompleksowe rozwiązanie problemu identyfikacji zakłócenia często wymaga znajomości pochodnej oraz całki sygnału, w niniejszej pracy wprowadzono odrębne filtry realizujące prognozę wartości całki i pochodnej w określonych odstępach czasu. Zdaniem autora wprowadzenie idei predykcji dla celów realizacji cyfrowych algorytmów pomiaru wielkości kryterialnych przyczyni się do poprawy warunków oraz skrócenia czasu trwania identyfikacji zwarć w systemach elektroenergetycznych.

EN

The monograph presents the concept of supplementing the approved measuring algorithms with predictive methods of estimation of criterion values and applying the prognosis obtained as an extra criterion of system protection functioning. The principle of using multiple criteria to execute single protection appears definitely justified in view of modern computation means available and beneficial in protection features improvement. The solution presented recommends application of new type digital prediction filters where the signal filtration (of current samples or voltage samples) does not presume functions to be periodically variable ones. The predictive filters, developed by the Author, perform automatic approximation of current and voltage courses (in appropriately narrow time intervals) with non-periodic function (low degree polynomials) intervals. The approximation is based on the least squares method. The orthogonal form of solution of normal equation system has appeared the most suitable for that purpose, the one where algebraic inversion of polynomial coefficients matrix has been applied. The above is necessary to achieve maximum reduction of computation time. Particularly, the monograph indicates the feasible applications of optimum digital filter combinations to effect low degree polynomial approximation. Since any interference identification complex solution often requires signal derivative and signal integral to be known, the separate filters to perform derivative and integral value prognosis within the given time intervals have been introduce in this monograph. The admittance of prediction concept in executing digital algorithms of criterion value measurements shall contribute in improving conditions and shortening the short-circuits identification times in power systems.

9

Przedłużanie okresu eksploatacji okrętowych turbin gazowych w oparciu o modele predykcyjne

63%

Adamkiewicz A. , Tomaszewski F.

|

2006

|

tom nr 10 (82)

21-30

PL

Do klasyfikacji stanów turbin zastosowano relacje pomiędzy parametrami sygnału diagnostycznego oraz dopuszczalnymi i granicznymi wartościami parametrów pracy. Do prognozowania czasu poprawnego działania silników zastosowano predykcyjne modele regresji wielokrotnej, opisujące wartości obserwowanych parametrów diagnostycznych jako funkcje mocy i czasu użytkowania czynnego silników. Pokazano przykład weryfikacji modeli dla wyznaczonego czasu użytkowania. Oszacowano dokładność prognozy.

EN

Relations between diagnostic signal parameters and acceptable limit values of operational parameters were used to classify the states of gas turbine engines. For predicting the time of faultless operation of engines we used predictive models describing the values of observed diagnostic parameters as a function of power and active operation time of engines. An example was presented to show the verification of models for a preset operation time. The accuracy of predictions was estimated.

10

Wykorzystanie modelu Prigogine'a do długoterminowej predykcji szczytów obciążeń w krajowyn systemie elektroenergetycznym

63%

Szeląg P. , Popławski T.

|

2010

|

tom nr 1

32-36

PL

Prognozowanie długoterminowe jest procesem złożonym, uzależnionym od wielu elementów składowych. Zdeterminowało to powstanie wielu modeli predykcji, wykorzystywanych w zależności od zaistniałych warunków ograniczających. W artykule omówiono i zastosowano metodę prognozy długoterminowej opartą o równanie Prigogine'a do wyznaczenia szczytów mocy w Krajowym Systemie Elektronergetycznym (KSE). Praca podzielona została na etapy. W pierwszym etapie wyznaczono parametry równania Prigogine'a i skonstruowano równanie prognostyczne. W kolejnych etapach opracowano prognozę szczytowego zapotrzebowania na moc w KSE dla przyjętych scenariuszy kształtowania się energii rocznej brutto. W ten sposób otrzymano kilka wariantów prognozy w zależności od tempa rozwoju gospodarki w Polsce oraz prawdopodobnego kształtowania się stopnia obciążenia systemu. Prognozę wykonano do 2030 roku.

EN

Long-term forecasting is a complex process, dependent on many factors. This fact has determined the development of numerous prediction models, in dependence on existing limiting conditions. In the paper a metod of long-term forecasting based on Prigogine's equation for determination of load peaks in the Polish power system(KSE) has been described and applied. The forecasting equations have been developed. In the first stage the parameters of Prigogine's equation were determined. In subsequent stages a forecast of peak load demand in KSE for assumed scenarios of brutto energy profiles. In this way some optional forecasts in dependence on the economy development in Poland and possible shape of load level in the system. The forecasts were carried out until 2030.

11

Hybrydowy model predykcji długoterminowej miesięcznych szczytów obciążenia w krajowym systemie elektroenergetycznym

63%

Popławski T. , Łyp J. , Starczynowska E.

|

2010

|

tom nr 2

132-137

PL

W dotychczasowej praktyce, dotyczącej długoterminowych prognoz zapotrzebowania na energię elektryczną i moc dla Polski, w zależności od dostępnego materiału statystycznego, używano wielu modeli prognostycznych np: MAED (Model of Analysis Energy Demand), modeli ekstrapolacji trendów, modeli ekonometrycznych (pakiety oprogramowania ISP, SPSS, SAS, MINITAB, BIOMED), modeli hybrydowych (np. AI+ szeregi czasowe). W artykule przedstawiono nowy model hybrydowy predykcji długoterminowej miesięcznych szczytów obciążenia w Krajowym Systemie Elektroenergetycznym. Jest to całkowicie nowa metoda prognostyczna, w wyniku której można otrzymać długoterminowe prognozy miesięcznych szczytów obciążenia lub innych wskaźników kształtujących rozwój systemu elektroenergetycznego w Polsce.

EN

In current practice, that pertains to long-term loads for electric energy and power for Poland, depending upon available statistical data, many forecasting models have been applied, e.g. MAED (Model of Analysis Energy Demand), trend extrapolation models, econometric-based models (software packages ISP, SPSS, SAS, MINITAB, BIOMED), hybrid models (e.g. AI + time series). In the paper a new forecasting hybrid model of the month term load peak predicting in the Polish Power System, has been presented. It is a completely new forecasting method, would able to produce long term forecasts of monthly load peak or other coefficients that influence the development of power engineering system in Poland.

12

Rozpoznawanie obrazów w prospekcji stref naftowych w cenomanie i malmie synklinorium Nidy

63%

Kotlarczyk J. , Jucha S. F. , Mastej W. , Namysłowska-Wilczyńska B.

|

1999

|

tom T. 15, z. spec.

45-68

PL

Autorzy zastosowali metodę funkcji potencjalnych (metoda rozpoznawania obrazów) w połączeniu z metodami geostatystycznymi do wskazania nowych potencjalnych obszarów akumulacji węglowodorów w mezozoicznym piętrze strukturalnym podłoża zapadliska przedkarpackiego, w jego części obejmującej S przedłużenie synklinorium nidzińskiego. Obiektami badań były otwory wiertnicze opisane zestawem 16 cech informatywnych. Cechy te charakteryzują głębokość i miąższość osadów cenomanu, ich porowatość i przepuszczalność, mineralizację i napory potencjometryczne wód wgłębnych, jak również gradienty tych cech. 16-wymiarowa informacja o każdym otworze wiertniczym została ostatecznie przetworzona w prawdopodobieństwo, że otwór odwiercony w dowolnym punkcie badanego obszaru nawierci złoże. W efekcie wskazano 9 rejonów o podwyższonym prawdopodobieństwie odkrycia złoża.

EN

Sub-Miocene basement of the Carpathian foredeep contains, most probably , unrecognized areas of potential hydrocarbon deposits, occurring in analogous conditions as those already discovered. Particularly rich data come from the area, being the prolongation of Nida synclinorium and refers to Cenomanian and Malmian deposit (fig. 1). This area was intensely explored what resulted in the discovery of several deposits (figs. 1, 2). Usually they occur in the zone where Cenomanian sandstones are wedging out (trap of 1st type), as well as in weathered, porous, karstified Malmian carbonate rocks (trap of 2nd type), also in areas where Cenomanian rocks do not occur (fig. 1). Rarely, hydrocarbon deposits appear in planar domes within the top of thick Cenomanian sandstone sequences (trap of the 3rd type e.g. Rylowa deposit). All these traps are sealed by hardly permeable Upper Cretaceous or Miocene deposits. There are credible premises indicating that in some boreholes, due to imperfect drilling technology, the presence of economic hydrocarbon accumulation could be overlooked and, thus, they were classified as barren. Moreover, vast areas between almost 700 boreholes may also contain undiscovered deposits. As follows from above data, further exploration works are needed, using different methods. As far as mathematical methods are concerned, the most useful can be the pattern recognition methods (PRM), applied jointly with geostatistical ones. The experiments on application of these methods in the area studied is the aim of investigation presented in this paper. In the analyzed case, the application of PRM consist in the calculation of probability of membership of each borehole studied to one of two target classes: to class of wells with economic hydrocarbon accumulation (R) or to those barren (W) i.e. to the computation of P[R] and P[W]. This procedure should be preceded by calculation of probability of membership of each borehole to one of two predictor classes: R* and W*, connected with appropriate target classes R and W. The predictor is the mathematical representation of a given borehole. Predictors are multivariate vectors of features, the values of which are measured in each borehole. The predictor class R* (or W*) is formed by vectors of features measured in boreholes selected from class R (and respectively W) and assented as their patterns. In the analyzed case, pattern boreholes from each deposit were selected for the predictor class R*, more or less proportionally to the number of wells in each deposit (tab. 2). Pattern boreholes for predictor class W* were selected systematically from the whole surface of the areas, situated outside deposits. 16 features were selected from the set of 27 measured (or computed) for the boreholes, the values of which were obtained in the most credible manner (tab. 1). These features were characterizing the depth and thickness of Cenomanian deposits (numbers: 1, 2, 3), their porosity and permeability (numbers: 4, 6), mineralization and potentiometric heads of groundwaters (numbers: 7-10, 17), as weIl as gradients of these teatures (numbers: 22, 23, 25-27). The examination of informativity of these features by means of Puri-Sen-Tamura test of comparison of multivariate means has shown them to form one signiticantly informative combination (fig. 3). The method of potential function in probabilistic version was applied as that of PRM. Consequently, each borehole (pattern and nonpattern, altogether 691) was characterized by one probability value of membership to predictor class R*. The application of block kriging was necessary for the production of maps of the above probability for the whole area. Preliminary geostatistical studies aIlowed to apply the compound variability model to kriging computations (figs. 4, 5). The interpolation of P[R*] probabilities and kriging standard deviations reIated with them are presented in maps (figs. 6, 7). The elaboration of resulting map needs the computation of conditional probabilities (P[RIR*], P[WIR*], P[RIW*], P[WIW*]) (cf. tab. 3). Moreover, the corrections ER and EW proposed by the present authors should be taken into consideration, according to the formula: P[R] = P[R*] (P[RIR*] + ER) + (1 - P[R*]) (P[RIW*] + Ew) where: ER = P[WIR*] P[R'IW] P[R*IR] / P[R*IW] and Ew = P(WIW*] P(R'IW] P(W*IR] / P(W*IW]. These corrections take into account the effect of faulty identification of boreholes (i.e. \delta error) during drilling on the value of the membership probability of a given well to class R. The result of such erroneous identitication is that within the class W there can be incorporated the boreholes forming subclass R' i.e. those, penetrating existing hydrocarbon deposits (fig. 12). The value of this error, expressed as P(R'IW] probability, can be estimated but a priori. The effect of the error in question on prognosis is, in fact, small (tab. 4) but by taking into account the proposed corrections we are increasing the adequacy of recognition. The probability of membership of each point of the area to target class R, is presented in isoline map (cf. fig. 8). All the known deposits considered in our experiment are Iocated in this map within the areas showing the probability higher then 0.5. Moreover, new potential areas of occurrence of deposits were indicated as isolated maxima showing probability more then 0.5. They are representing first of all the traps of 1st type (arrow numbers 1, 3, 5), as well as of 2nd one (arrow numbers 2, 4, 7). Only in one case they represent also 3rd type (arrow number 6). Consequently, there were indicated first of all the regions, characterized by small thickness of Cenomanian deposits, similarly as the vast majority of known deposits that have delivered the patterns. Therefore, other potential deposits, occurring in traps of 3rd type i.e. not related with zones where Cenomanian deposits are thin or lacking, could not be discovered. In order to explain this situation, the second experiment was carried out, in which thickness and the features correlated with it: porosity, permeability and thickness gradient of Cenomanian deposits were eliminated. The result of computation, like in previous experiment, are presented in appropriate maps (figs. 9, 10, 11). Final results of recognition have revealed almost aIl the above indicated new potential zones of hydrocarbon accumulations (excluding maximum no 6) and, moreover two successive, just representing the 3rd type of traps (fig. 11, numbers 8, 9). One of the Iast zones (no 8) showing high probability of occurrence of deposit, amounting to 0.65 has appeared SW of Rylowa deposit. Irrespective of the studies presented here, the borehole Rajsko-1 has, in fact, penetrated a deposit in that zone. This is an important confirmation of reality of results obtained by means of the pattern recognition method.

13

Algorytm kompensacyjny w procesach identyfikacji i sterowania złożonych systemów dynamicznych

63%

Kapka S.

|

2012

|

tom Vol. 53, nr 12

55-59

PL

W pracy omówiono kompensacyjny algorytm identyfikacji/predykcji/poślizgu realizowany w zdekomponowanej hierarchicznie elektronicznej strukturze, nazywanej układem pętli kompensacyjnej (Impulsowej Pętli Czasowej). Omówiono także cztery podstawowe bloki funkcjonalne realizacji algorytmu kompensacyjnego: konwersji analogowej zmiennej niezależnej/ częstotliwość (pętla autonomiczna); cyfrowej identyfikacji częstotliwość/ cyfra (cyfrowy węzeł sumacyjny ilorazu częstotliwości); generacji poprawki predykcyjnej (nadrzędna pętla kompensacyjna); cyfrowej generacji chwilowego poślizgu częstotliwości. Pętla kompensacyjna (IPC) gwarantuje łatwą współpracę z operatorem systemu dynamicznego (operatorska pętla sprzężenia zwrotnego), może przejąć sterowania w czasie awarii systemu komputerowego.

EN

The paper presents a compensation algorithm for identification/prediction/slip, implemented in a hierarchically decomposed electronic structure known as a compensation loop system (Pulse Time Loop). Additionally, four basic function blocks for implementing a compensation algorithm are discussed: analog conversion of an independent variable/frequency (autonomous loop); digital identification of frequency/digital (digital summing node of the frequency quotient); generation of a predictive correction (superordinate compensation loop); digital generation of instantaneous slip frequency. The compensation loop (PTL) ensures smooth cooperation with the operator of the dynamic system (operator feedback loop), it can take control during a computer system break-down.

14

Application of artificial neural networks to stock price prediction

63%

Witkowska D.

|

1999

|

tom Vol. 7, nr 1

79-89

EN

Artificial neural networks are non-linear models that can be trained to extract hidden structures and relationships that govern the data. They can be used for analyzing relations among economic and financial phenomena. In the paper we discuss our research on application of three forecasting methods. These methods are: econometric model, AR(3) and the back propagation algorithm. The prediction of share prices of three companies listed on the Warsaw Stock Exchange was made. The accuracy of forecasting was evaluated in terms of percentage errors MAPE and RASE.

15

Predykcja mocy cieplnej systemu ciepłowniczego z wykorzystaniem sztucznych sieci neuronowych

63%

Miniewicz M.

|

2006

|

tom R. 37, nr 10

3-6

PL

Zaprezentowano sposób wykorzystania zarchiwizowanych danych pomiarowych rzeczywistego systemu ciepłowniczego do budowy jego modelu metodami identyfikacji, a następnie zastosowania go do predykcji mocy cieplnej.

EN

A way of application, concerning the archive measurement data of a real heat engineering system, is presented. It was provided for the design of a model of the system by using the identification methods. The model proved useful for the prediction of the thermal power of the system.

16

Approximating Financial Time Series with Wavelets

63%

Hadaś-Dyduch M.

Argumenta Oeconomica Cracoviensia

|

2017

|

nr 16

9-22

EN

Financial time series show many characteristic properties including the phenomenon of clustering of variance, fat-tail distribution, and negative correlation between the rates of return and the volatility of their variance. These facts often render standard methods of parameter estimation and forecasting ineffective. An important feature of financial time series is that they can be characterized by long samples. This causes the models used for their estimation to potentially be more extensive. The aim of the article is to use wavelets to approximate and predict a series. The article describes the author’s model for financial time forecasting and provides basic information about wavelets necessary for proper understanding of the proposed wavelet algorithm. The algorithm uses a Daubechies wavelet.

PL

Finansowe szeregi czasowe wykazują charakterystyczne własności. Wśród nich można wymienić m.in.: występowanie zjawiska grupowania wariancji, leptokurtyczność rozkładów stóp zwrotu (tzw. grube ogony rozkładu) oraz ujemną korelację pomiędzy stopami zwrotu a zmiennością ich wariancji. Zjawiska te powodują, że w wielu przypadkach stosowanie standardowych metod estymacji parametrów i prognozowania nie przynosi zadowalających rezultatów. Ważną cechą finansowych szeregów czasowych jest fakt, że szeregi finansowe charakteryzują się długimi próbkami, co powoduje, że stosowane do ich estymacji modele mogą być bardziej rozbudowane. Celem artykułu jest aproksymacja i predykcja szeregów finansowych z falkami z uwzględnieniem tzw. efektów brzegowych. W artykule opisano autorski model prognozowania finansowych szeregów czasowych oraz przedstawiono podstawowe informacje o falkach niezbędne do właściwego zrozumienia proponowanego algorytmu falkowego. W autorskim algorytmie wykorzystano falkę Daubechies.

17

Symulowanie wzrostu i plonowania zboz za pomoca programu DSSAT. Cz. I. Kalibracja modelu roslinnego CERES-Wheat i badanie dokladnosci predykcji dla pszenicy ozimej

63%

Rozbicki J. , Kalinowska-Zdun M. , Wyszynski Z.

Roczniki Nauk Rolniczych. Seria A:Produkcja Roślinna

|

1998

|

tom 113

|

nr 3-4

155-171

18

IDENTYFIKACJA KOMPONENTÓW DESTRUKCYJNYCH W MODELACH PREDYKCYJNYCH W PODEJŚCIU WIELOMODELOWYM

63%

Szupiluk R. , Rubach P.

Metody Ilościowe w Badaniach Ekonomicznych

|

2017

|

tom 18

|

nr 4

679-688

PL

W niniejszym artykule przedstawimy metodę identyfikacji komponentów destrukcyjnych występujących w podejściu wielomodelowym wykorzystującym algorytmy ślepej separacji sygnałów. Ocena charakterystyki poszczególnych komponentów dokonana zostanie na podstawie autorskich mierników zmienności/gładkości sygnałów. W celu potwierdzenia skuteczności prezentowanej metody przedstawimy praktyczny eksperyment poprawy wyników prognozy zużycia energii elektrycznej.

EN

In this paper we present a method of identification of destructive components in predictive models. This method may be applied in case of a multi-model approach and uses algorithms of blind signal separation. The evaluation of the characteristics of individual components will be based on the proposed metrics for evaluating the variation or smoothness of signals. In order to confirm the effectiveness of the presented method, we will present a practical experiment in which the results of the forecast of short-term electricity consumption are improved. Keywords: prediction, blind separation, ensemble methods, Theta noise measure

19

Predicting and controlling FPGA device heat using system monitor and IBERT

63%

Ibala C. S. , Arshak K.

|

2009

|

tom Vol. 50, nr 12

68-71

EN

The aim of this paper is to present a new methodology and the tools used to predict and control the FPGA Device Heat before starting the design. Knowing that the FPGA silicon heat is crucial as they all have a temperature above and under which their functionalities is not longer guaranteed. The silicon temperature is linked to the different options and strategies used to implement the design. Many tools such "use Xpower" from Xilinx allows the user to have an estimation of the power consumption. This paper will present a primitive called System monitor which is present in every Virtex 5 to monitor the environment around the FPGA. Monitoring the device environment maximises the probability of getting the FPGA work after implementing required design.

PL

Artykuł ten przedstawia nową metodologie i narzędzia do predykcji oraz kontroli wydzielania ciepła w układach FPGA na etapie projektowania. Wiadomo jest, że temperatura struktury krzemowej wpływa na funkcjonowanie układu i powyżej pewnej temperatury nie można zagwarantować jego poprawnego działania. Temperatura struktury zależy też od wyboru strategii projektowania. Wiele narzędzi, min. "use Xpower" oferowany przez firmę Xilinx, pozwala użytkownikowi na oszacowanie rozpraszanej mocy. Niniejszy artykuł przedstawia układ nadzorujący stosowany w każdym układzie Virtex 5 do monitorowania środowiska układu FPGA. Monitorowanie środowiska zwiększa prawdopodobieństwo, że układ FPGA będzie funkcjonował poprawnie po zaimplementowaniu w nim konkretnego projektu.

20

Prognozowanie uszkodzeń przekładni mostu napędowego z wykorzystaniem wstępnego przetwarzania sygnału drgań w połączeniu z sieciami neuronowymi typu RBF

63%

Shao Y. , Li X. , Mechefske C. K. , Chen Z.

|

2009

|

tom nr 4

57-64

PL

Przekładnia mostu pędnego stanowi kluczową część samochodowego układu przeniesienia napędu, a trafne przewidywanie uszkodzeń jest istotne dla bezpiecznego użytkowania samochodu. Jednakże precyzja przewidywania uszkodzenia przekładni jest obecnie niska ze względu na zmienne prędkości obrotowe i zmieniające się obciążenia występujące podczas używania pojazdu. W celu zredukowania zmienności drgań i zwiększenia trafności przewidywania trwałości resztkowej przekładni, w artykule zaproponowano nową metodę predykcyjną, która łączy sieć neuronową o radialnych funkcjach bazowych (RBF) i rekurencyjne przetwarzanie wstępne. Metoda rekurencyjnego przetwarzania wstępnego zmniejsza wpływ zmienności chwilowego obciążenia i prędkości na charakterystyczne parametry uzyskane z sygnałów drganiowych. Sieć neuronowa typu RBF modeluje nieliniowe charakterystyki przenoszenia napędu przez przekładnię mostu pędnego. Sieć taka charakteryzuje się zachowaniem samoadaptacyjnym i szybką zbieżnością. Wyniki badań symulacyjnych i eksperymentalnych pokazują, że ta nowa metoda może pozwolić na udoskonalenie tradycyjnych metod predykcyjnych oraz osiąganie wysokiej precyzji w przewidywaniu uszkodzeń przekładni mostu pędnego.

EN

The rear axle gear is a key part of the automobile transmission system and accurate damage prediction is important for car safety. However, the precision of gear damage prediction is currently low because of the varying rotating speeds and the changing loads when a truck is in use. In order to reduce the fluctuation of vibrations and enhance the predicting accuracy of gear residual life, a new predictive method, which combines the Radial Basis Function (RBF) neural network with recursive preprocessing is proposed in this paper. The recursive preprocessing method reduces the effects of instantaneous load and speed fluctuations on the characteristic parameters extracted from vibration signals. The RBF neural network models the non-linear characteristics of the rear axle gear transmission. The RBF neural network is characterized by its self-adaptive behavior and its rapid convergence. The simulated and experimental results have shown that this new method can enhance traditional prediction methods and obtain high precision for the damage prediction of rear axle gears.