PROGNOZOWANIE CEN ENERGII ELEKTRYCZNEJ NA GIEŁDZIE ENERGII
|
|
- Jan Jarosz
- 7 lat temu
- Przeglądów:
Transkrypt
1 ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2015 Seria: ORGANIZACJA I ZARZĄDZANIE z. 77 Nr kol Joanna EJDYS, Kaarzyna HALICKA Poliechnika Białosocka Wydział Zarządzania j.ejdys@pb.edu.pl, k.halicka@pb.edu.pl Jusyna GODLEWSKA Muli Packaging Soluions Białysok Sp. z o.o. godlewskajusyna@wp.pl PROGNOZOWANIE CEN ENERGII ELEKTRYCZNEJ NA GIEŁDZIE ENERGII Sreszczenie. Zasadniczym celem arykułu było wyznaczenie prognozy ceny energii elekrycznej na Rynku Dnia Nasępnego Towarowej Giełdy Energii. Kolejnym isonym celem badań było przeprowadzenie analizy porównawczej jakości orzymanych prognoz i dokonanie rekomendacji zbudowanych modeli prognosycznych. Począkowo przeanalizowano zebrane dane, przeprowadzono dekompozycję analizowanego szeregu czasowego. Nasępnie wyznaczono prognozę ceny energii elekrycznej na giełdzie energii, wykorzysując akie meody, jak model Hola- Winersa oraz szuczne sieci neuronowe. Słowa kluczowe: prognozowanie, giełda energii, cena energii, model Hola- Winersa, szuczne sieci neuronowe. FORECASTING THE PRICE OF ELECTRICITY ON THE ENERGY EXCHANGE Summary. The main objecive of his paper was o deermine he forecas of he price of elecriciy on he POLPX Day Ahead Marke. Anoher imporan aim of he sudy was o conduc a comparaive analysis of he qualiy of he forecass and make recommendaions concerning he consruced forecasing models. Iniially he colleced daa was analyzed, and he decomposiion of he analyzed ime series was performed. Then he forecas of elecriciy prices on he energy exchange was deermined using mehods such as he Hol-Winers model and arificial neural neworks. Keywords: forecasing, energy exchange, energy price, model Hol-Winers, arificial neural neworks.
2 54 J. Ejdys, K. Halicka, J. Godlewska 1. Wprowadzenie Hisoria kszałowania się rynków energii nie jes długa i wiąże się z pojawieniem się zaporzebowania na energię elekryczną, na paliwa do silników spalinowych oraz na ciepło pochodzące ze źródeł scenralizowanych. W Polsce przełomowym momenem w dążeniu do pełnej liberalizacji sekora elekroenergeycznego było uruchomienie pod koniec 1999 roku Towarowej Giełdy Energii S.A. Jednym z zasadniczych zadań giełdy energii elekrycznej jes umożliwienie uczesnikom rynku dosępu do informacji o kszałowaniu się cen energii elekrycznej. Na podsawie ej wiedzy, a akże przez jej zgłębianie w konekście charakeru zjawiska oraz czynników na nie wpływających uzyskuje się podsawę do prognozowania przyszłych warości cen energii elekrycznej. Prawidłowo wyznaczona prognoza może być kluczowym czynnikiem uławiającym podjęcie decyzji i może eż wskazywać kierunek podejmowanych działań. Zasadniczym celem badań przeprowadzonych w ramach niniejszego arykułu jes wyznaczenie prognozowanej ceny energii elekrycznej na Rynku Dnia Nasępnego TGE S.A. na dzień 1 maja 2013 roku. Celem szczegółowym jes wykorzysanie zarówno meod klasycznych, jak i meod szucznej ineligencji do prognozowania cen energii elekrycznej oraz zarekomendowanie meody najlepiej dopasowanej do danych rzeczywisych. W celu wyznaczenia krókookresowej prognozy cen energii elekrycznej na Rynku Dnia Nasępnego TGE S.A. wykorzysano dane hisoryczne doyczące cen energii elekrycznej (PLN/MWh). Analizowane dane pochodziły z okresu od 1 sycznia 2012 roku do 30 kwienia 2013 r. Na RDN noowania odbywają się w sysemie kursu jednoliego: fixing 1, fixing 2, fixing 3, oraz w sysemie noowań ciągłych. Po obliczeniu całkowiego wolumenu sprzedaży energii elekrycznej dla każdego rodzaju noowań w analizowanym okresie zauważono, że najwięcej energii sprzedano w sysemie fixingu 1, dlaego eż prognozę ceny energii elekrycznej wyznaczono dla ego noowania. 2. Meodologia Prognozowanie cen na konkurencyjnych rynkach energii elekrycznej ma kluczowe znaczenie dla konsumenów i producenów w planowaniu działań i zarządzaniu ryzykiem cenowym, a akże odgrywa znaczącą rolę w ekonomicznej opymalizacji w sekorze energii elekrycznej 1. Przeglądając lieraurę, zauważono, że wielu auorów w swych opracowaniach podejmowało próby wyznaczenia prognozy ceny energii elekrycznej przy wykorzysaniu 1 P. Mandal, T. Senjyu, N. Urasaki, T. Funabashi, A. Srivasava: A Novel Approach o Forecas Elecriciy Price for PJM Using Neural Nework and Similar Days Mehod. IEEE Transacions on Power Sysems, Nov2007, Vol. 22, Issue 4, p
3 Prognozowanie cen energii elekrycznej 55 różnych meod. Skueczne narzędzie prognosyczne powinno uchwycić długoerminowe współzależności w hisorycznych danych rynkowych 2,3. Do prognozowania cen energii elekrycznej wykorzysywano między innymi modele ARIMA 4, modele klasy Garch 5, szuczne sieci neuronowe 6. Osanie badania wykazały, że skuecznym narzędziem prognozowania cen energii elekrycznej jes akże funkcjonalna analiza głównych składowych (FPCA) 7. W niniejszym arykule do wyznaczenia ceny energii elekrycznej na giełdzie energii auorki wykorzysały zarówno meody klasyczne, j. muliplikaywny model Hola-Winersa, dla szeregu czasowego z endencją rozwojową oraz wahaniami sezonowymi, jak i meodę szucznych sieci neuronowych percepron wielowarswowy (MLP Muli Layer Percepron). Bardzo ważnym elemenem przeprowadzonego badania jes szczegółowa analiza porównawcza błędów orzymanych prognoz. Model Hola-Winersa należy do grupy meod wygładzania wykładniczego. Wygładzanie (lub inaczej wyrównywanie) wykładnicze jes jednym ze sposobów wyznaczania prognoz krókookresowych. Charakerysyczną cechą ej meody jes ciągłe uakualnianie prognoz wraz z pojawieniem się nowych informacji o zaobserwowanych warościach zmiennej prognozowanej oraz o rafności prognoz wcześniejszych. Przyszłe warości zmiennej są usalane na podsawie średniej ważonej wszyskich doychczasowych obserwacji. Wagi dobierane są zgodnie z zasadą, że warość informacyjna obserwacji maleje wykładniczo wraz z upływem czasu. Wygładzanie wykładnicze może być opare na różnych modelach, odpowiednich do rodzaju składowych danego szeregu czasowego. W przeprowadzonym badaniu ze względu na charaker składowych analizowanego szeregu czasowego (wahań sezonowych o rosnącej ampliudzie i ygodniowym cyklu sezonowym, malejącego rendu liniowego oraz wahań przypadkowych) zdecydowano się na użycie muliplikaywnej wersji modelu Hola- Winersa 8. Kolejną wykorzysaną meodą były szuczne sieci neuronowe (SSN). Szuczna sieć jes zbiorem wzajemnie połączonych elemenów nazywanych neuronami. Szuczny neuron można 2 A. Arash, A. Farid: Muli-sep ahead forecass for elecriciy prices using NARX: A new approach, a criical analysis of one-sep ahead forecass. Energy Conversion & Managemen, Mar2009, Vol. 50, Issue 3, p Y. Dong, J. Wang, H. Jiang, J. Wu: Shor-erm elecriciy price forecas based on he improved hybrid model., Energy Conversion & Managemen, Aug2011, Vol. 52, Issue 8/9, p J. Conreras, R. Espinola, F.J. Nogales, A.J. Conejo: ARIMA Models o Predic Nex-Day Elecriciy Prices. IEEE ransacions on power sysems, Vol. 18, No. 3, Augus 2003, p R.C. Garcia, J. Conreras, M. Akkeren, J.B. Garcia: A GARCH Forecasing Model o Predic Day-Ahead. Elecriciy Prices. IEEE ransacions on power sysems, Vol. 20, No. 2, May 2005, p D. Mennii, N. Scordino, N. Sorrenino: A Novel Approach o Forecas Day-Ahead Elecriciy Prices by Means of Neural Neworks Using Groups of Similar Hours; Inernaional Review of Elecrical Engineering (I.R.E.E.), Vol. 7, No. 4, July Augus 2012, p H.C. Wu, S.C. Chan, K.M. Tsui, Y. Hou: A New Recursive Dynamic Facor Analysis for Poin and Inerval Forecas of Elecriciy Price. IEEE Transacions on Power Sysems, Aug2013, Vol. 28, Issue 3, p J. Nazarko (red.): Prognozowanie w zarządzaniu przedsiębiorswem. Cz. III, Prognozowanie na podsawie modeli adapacyjnych. Wydawnicwo Poliechniki Białosockiej, Białysok 2005, s. 36.
4 56 J. Ejdys, K. Halicka, J. Godlewska posrzegać jako prosy sysem przewarzania warości sygnałów wprowadzanych na jego wejścia w pojedynczą warość wyjściową, wysyłaną na jego jedynym wyjściu. Sieć uczy się działać prawidłowo na podsawie przedsawianych jej przykładów realizacji badanych obieków bądź zjawisk. Opierając się na prezenowanych rzeczywisych przypadkach, sieć sara się odkryć i zapamięać ogólne prawidłowości cechujące e obieky bądź kierujące przebiegiem analizowanych zjawisk. Szuczna sieć neuronowa przechowuje rozpoznane reguły w posaci zakodowanej w warościach współczynników wagowych neuronów. Wykorzysany w niniejszym opracowaniu percepron wielowarswowy o jednolia, wielowarswowa, jednokierunkowa sieć o nieliniowych funkcjach akywacji. Jedyna różnica w działaniu poszczególnych warsw polega na rodzaju funkcji akywacji. Argumenem przemawiającym za wyborem SSN jes fak, że są one bardzo skuecznym narzędziem prognosycznym ze względu na swoją zdolność do generalizacji wiedzy dla nowych danych 9. Ponado szuczne sieci neuronowe nie wymagają programowania, ponieważ wykorzysują proces uczenia i mogą być sosowane wszędzie am, gdzie algorym rozwiązania zadania nie jes do końca znany lub musi być częso i szybko modyfikowany. 3. Wyniki badań Pierwszą meodą wykorzysaną w celu wyznaczenia ceny energii elekrycznej był model muliplikaywny Hola-Winersa. Jes on sosowany, gdy w szeregu czasowym relacje między składowymi sysemaycznymi są wyrażone iloczynem. Model muliplikaywny jes opisany równaniem 10 : gdzie: * m y * m ( L b m) S s m y prognoza zmiennej Y wyznaczona na momen lub okres +m, L wygładzona ocena warości poziomu szeregu na momen lub okres, b wygładzona ocena warości przyrosu rendu szeregu na momen lub okres, S s m wygładzona ocena warości wskaźnika sezonowości na momen lub okres -s+m, s długość cyklu sezonowego (liczba faz w cyklu sezonowym). Warości poszczególnych składowych wyznacza się przy wykorzysaniu wzorów oparych na modelu prosego wygładzania wykładniczego 11 : (1) 9 K. Halicka: Ocena skueczności prognozowania na giełdzie energii, Przegląd Elekroechniczny, 2010, nr 4, s J. Nazarko (red.): Prognozowanie w zarządzaniu, op.ci., s Ibidem, s. 37.
5 Prognozowanie cen energii elekrycznej 57 y L ( 1 )( L 1 b 1) (2) S s b (3) ( L L 1 ) (1 ) b 1 y S ) ( 1 S s (4) L gdzie,, paramery modelu o warościach z przedziału (0,1). Zgodnie z zasosowaną meodą prognoza ceny energii elekrycznej za 1 MWh wyznaczona na dzień r. wyniosła 147,78 PLN. Warość średniego modułu względnego błędu prognozy (MAPE) wynosi 37,32%, naomias pierwiasek ze średniokwadraowego błędu prognozy ex pos osiąga warość 76,44 PLN. Drugą użyą meodą prognosyczną były szuczne sieci neuronowe. Do wyznaczenia prognozy ceny energii elekrycznej ą meodą posłużono się programem STATISTICA. Wyrenowano pięć sieci ypu MLP i wybrano sieć chrakeryzującą się najwyższą jakością uczenia i esowania. Nasępnie oceniono ich rafność, porównano uzyskane wyniki i wskazano sieć, kóra pozwoliła uzyskać prognozę obarczoną najmniejszymi błędami (abela 1). Zauważono, że sieć numer 4 jes najlepszą siecią ze względu na przyjęe założenia, czyli spełnia kryeria najlepszej jakości uczenia, esowej w odniesieniu do czerech pozosałych sieci. Wyniki wyrenowania pięciu sieci przedsawiono w abeli 1. Podsumowanie wyrenowanych sieci neuronowych ypu MLP Tabela 1 Nr Jakość Jakość (esowanie) Błąd (uczenia) Błąd (esowania) 1 0, , , , , , , , , , , , , , , , , , , ,0824 Źródło: opracowanie własne przy wykorzysaniu oprogramowania STATISTICA. Po wyborze najlepszej sieci przeanalizowano ją pod kąem jej rafności. Prognoza ceny energii elekrycznej za 1 MWh wyznaczona na dzień r. za pomocą szucznych sieci neuronowych wyniosła 173,17 PLN. Przecięnie prognoza różniła się od warości rzeczywisej o 13,12 PLN (błąd RMSE), co sanowi 4,71% (błąd MAPE) warości rzeczywisej. Warości rzeczywise oraz warości prognozowane dla arbiralnie wybranego ygodnia zaprezenowano na rysunku 1.
6 58 J. Ejdys, K. Halicka, J. Godlewska Rys. 1. Cena oraz prognoza ceny energii elekrycznej na giełdzie energii w okresie od r. do r. Fig. 1. Price and forecas prices of elecriciy on he power exchange in he period from o Źródło: opracowanie własne. Dokonując analizy wizualnej prognozy uzyskanej przy wykorzysaniu szucznych sieci neuronowych, można swierdzić, że warości prognozowane bardzo dobrze odwzorowują warości rzeczywise. Kszał wykresu prognozy pokrywa się z kszałem wykresu obserwacji. 4. Dyskusja wyników W celu ocenienia rafności wyznaczonych prognoz wzięo pod uwagę nasępujące miary 12,13 : ME (ang. Mean Error) błąd średni, MAE (ang. Mean Absolue Error) średnia z modułu błędu, max AE (ang. Maximum Absolue Terror) maksymalny błąd bezwzględny, RMSE (ang. Roo Mean Square Error) pierwiasek ze średniego kwadraowego błędu, MAPE (ang. Mean Absolue Percenage Error) średni względny błąd, MdAPE (ang. Median Absolue Percenage Error) mediana względnego błędu, max APE (ang. Maximum Absolue Percenage Error) maksymalny względny błąd. 12 E. Chodakowska, K. Halicka, A. Kononiuk, J. Nazarko: Prognozowanie cen energii elekrycznej na Towarowej Giełdzie Energii SA z wykorzysaniem modeli ARIMA, [w:] Technologie informayczne i prognozowanie w zarządzaniu: wybrane zagadnienia, J. Nazarko, L. Kiełyka (red.), Wydawnicwo Poliechniki Białosockiej, Białysok 2005, s K. Halicka, C. Wieńkowski: Wykorzysanie meod wygładzania wykładniczego do prognozowania kursu sprzedaży EUR. Ekonomia i Zarządzanie, Oficyna Wydawnicza Poliechniki Białosockiej, Białysok. T. 5, nr 2 (2013) s. 77.
7 Prognozowanie cen energii elekrycznej 59 Powyższe błędy zosały obliczone dla całego analizowanego okresu, j. od r. do r., i przedsawiono je w abeli 2. Tabela 2 Błędy prognoz Błędy Model Hola-Winersa Sieć MLP ME -0,75 PLN -0,02 PLN MAE 59,39 PLN 7,93 PLN max AE 1004,35 PLN 300,05 PLN MAPE 37,32% 4,71% RMSE 76,44 PLN 13,12 PLN MdAPE 30,48% 3,07% max APE 282,12% 50,03% Źródło: opracowanie własne. Analizując orzymane wyniki, można swierdzić, że model prognosyczny opracowany przy użyciu meody Hola-Winersa nie jes dobrze dopasowany do danych. Znacznie różniąca się od 0 warość błędu MAE świadczy o ym, że wysępuje sysemayczne przeszacowanie prognozy. Wysoka warość pierwiaska ze średniego kwadraowego błędu wskazuje na wysokie przecięne odchylenia prognoz od warości rzeczywisych. Z kolei średnie odchylenie od warości rzeczywisych (błąd MAPE) w całym analizowanym okresie sanowi aż 37,32% warości rzeczywisej. Wysoka warość maksymalnych błędów max AE i max APE świadczy o ym, że warości orzymane z modelu znacznie odbiegają od warości rzeczywisych. Na podsawie wyników uzyskanych za pomocą szucznych sieci neuronowych swierdzono, że zbudowany model prognosyczny jes dobrze dobrany do danych. Nieznacznie różniąca się od 0 warość błędu MAE świadczy o ym, że nie wysępuje sysemayczne przeszacowanie bądź niedoszacowanie prognozy. Pierwiasek ze średniego kwadraowego błędu wskazuje na niewielkie przecięne odchylenia prognoz od warości rzeczywisych. Średnie odchylenie od warości rzeczywisych w całym analizowanym okresie sanowi zaledwie 4,71% warości rzeczywisej, jednakże zdarzają się syuacje, w kórych warości uzyskane z modelu znacznie różnią się od warości rzeczywisych, na co wskazują wysoka warość błędów max AE i max APE. 5. Wnioski Celem badania było wyznaczenie prognozy ceny energii elekrycznej Rynku Dnia Nasępnego giełdy energii. Rynek Dnia Nasępnego składa się z 24-godzinowych rynków, na kórych noowane są po jednym rodzaju konraku godzinowego, dlaego eż prognoza zosała wyznaczona z horyzonem równym 24. Zaem należało wybrać meody prognosyczne, kóre umożliwiają prognozowanie z większym niż jednokrokowym horyzonem czasowym.
8 60 J. Ejdys, K. Halicka, J. Godlewska Pierwszą zasosowaną meodą była meoda wygładzania wykładniczego model Hola- Winersa. Zdecydowano się na nią, ponieważ składowe analizowanego szeregu czasowego są odpowiednie dla ej meody, a ponado umożliwia ona prognozowanie z większym niż jednokrokowym horyzonem czasowym. Kolejną meodą były szuczne sieci neuronowe. Do wyznaczenia prognozy wybrano sieć ypu MLP. Za wyborem ej meody przemawiało wiele argumenów, a między innymi fak, że jes o meoda szybka w sosowaniu. Ponado posanowiono skonfronować dwa różne rodzaje meod, aby móc wybrać lepszą w przypadku prognozowania zmiennej, jaką jes cena energii elekrycznej. Prognoza wyznaczona z wykorzysaniem modelu Hola-Winersa była obarczona bardzo dużymi błędami, znacznie przekraczającymi przecięne średnie odchylenie od warości rzeczywisych w całym analizowanym okresie sanowiło aż 37,32% warości rzeczywisej. Duże błędy mogły być spowodowane koniecznością przyjęcia za warości rzeczywise warości prognoz wygasłych. Naomias prognoza wyznaczona przy użyciu szucznych sieci neuronowych charakeryzuje się niewielkimi błędami średnie odchylenie od warości rzeczywisych w całym analizowanym okresie sanowiło zaledwie 4,71% warości rzeczywisej. Ponado analiza wizualna wyznaczonej prognozy powierdziła dobre dopasowanie modelu do danych. W konekście uzyskanych wyników do prognozowania ceny energii elekrycznej auorki rekomendują sosowanie szucznych sieci neuronowych. Ponado jednorazowo wyrenowana sieć może być wielokronie wykorzysywana. Szuczne sieci neuronowe są meodą uniwersalną i cechują się zdolnością do generalizowania zdobyej wiedzy. Podsumowując, można swierdzić, że cel badania zosał osiągnięy, wyznaczono prognozę ceny energii elekrycznej, wykorzysując dwie różne meody. Tylko jedna z nich pozwoliła na uzyskanie zadowalających wyników. Mimo szczegółowej dekompozycji szeregu i zasosowania meod odpowiednich do zaobserwowanych składowych analizowanego szeregu wybrana meoda szczególnie przy znacznym horyzoncie nie zawsze okazuje się meodą właściwą do prognozowania danego zjawiska. Bibliografia 1. Arash A., Farid A.: Muli-sep ahead forecass for elecriciy prices using NARX: A new approach, a criical analysis of one-sep ahead forecass. Energy Conversion & Managemen, Mar2009, Vol. 50, Issue Chodakowska E., Halicka K., Kononiuk A., Nazarko J.: Prognozowanie cen energii elekrycznej na Towarowej Giełdzie Energii SA z wykorzysaniem modeli ARIMA, [w:] Technologie informayczne i prognozowanie w zarządzaniu: wybrane zagadnienia, Nazarko J., Kiełyka L. (red.), Wydawnicwo Poliechniki Białosockiej, Białysok 2005.
9 Prognozowanie cen energii elekrycznej Conreras J., Espinola R., Nogales F. J., Conejo A. J., ARIMA Models o Predic Nex- Day Elecriciy Prices. IEEE ransacions on power sysems, Vol. 18, No. 3, Augus Dong Y., Wang J., Jiang H., Wu J.: Shor-erm elecriciy price forecas based on he improved hybrid model. Energy Conversion & Managemen, Vol. 52, Issue 8/9, Aug Garcia R. C., Conreras J., Akkeren M., Garcia J. B.: A GARCH Forecasing Model o Predic Day-Ahead. Elecriciy Prices. IEEE ransacions on power sysems, Vol. 20, No. 2, May Halicka K.: Ocena skueczności prognozowania na giełdzie energii. Przegląd Elekroechniczny, nr 4, Halicka K., Wieńkowski C.: Wykorzysanie meod wygładzania wykładniczego do prognozowania kursu sprzedaży EUR. Ekonomia i Zarządzanie, Oficyna Wydawnicza Poliechniki Białosockiej, Białysok. T. 5, nr 2 (2013). 8. Wu H. C., Chan S. C., Tsui K. M., Hou Y.: A New Recursive Dynamic Facor Analysis for Poin and Inerval Forecas of Elecriciy Price. IEEE Transacions on Power Sysems, Aug2013, Vol. 28 Issue Mandal P., Senjyu T., Urasaki N., Funabashi T., Srivasava A.: A Novel Approach o Forecas Elecriciy Price for PJM Using Neural Nework and Similar Days Mehod. IEEE Transacions on Power Sysems, Nov2007, Vol. 22, Issue Mennii D., Scordino N., Sorrenino N.: A Novel Approach o Forecas Day-Ahead Elecriciy Prices by Means of Neural Neworks Using Groups of Similar Hours. Inernaional Review of Elecrical Engineering (I.R.E.E.), Vol. 7, No. 4, July Augus Nazarko J. (red.): Prognozowanie w zarządzaniu przedsiębiorswem. Cz. III, Prognozowanie na podsawie modeli adapacyjnych. Wydawnicwo Poliechniki Białosockiej, Białysok Absrac The purpose of his aricle was o deermine he forecas of he price of elecriciy on he POLPX Day Ahead Marke using he mehod of exponenial smoohing - Hol-Winers model and arificial neural neworks. The forecas deermined using he Hol-Winers model was fraugh wih major errors, far exceeding he average. In conras, he forecas deermined wih he use of arificial neural neworks yielded saisfacory resuls in he form of small errors - he average deviaion from he acual values in he enire analyzed period accouned for 4.71% of he acual value. In he conex of he obained resuls, he auhors recommend he use of arificial neural neworks for forecasing he price of elecriciy on he energy exchange, even more because a once rained nework can be used repeaedly.
Prognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4,
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 205, 323(8)4, 25 32 Joanna PERZYŃSKA WYBRANE MIERNIKI TRAFNOŚCI PROGNOZ EX POST W WYZNACZANIU PROGNOZ
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoWYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO PROGNOZOWANIA CEN NA GIEŁDZIE ENERGII
WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO PROGNOZOWANIA CEN NA GIEŁDZIE ENERGII Autor: Katarzyna Halicka ( Rynek Energii nr 1/2010) Słowa kluczowe: giełda energii, prognozowanie cen energii elektrycznej,
Bardziej szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych
dr Joanna Perzyńska adiunk w Kaedrze Zasosowań Maemayki w Ekonomii Wydział Ekonomiczny Zachodniopomorski Uniwersye Technologiczny w Szczecinie Zasosowanie szucznych sieci neuronowych do prognozowania szeregów
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowoWYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO W PROGNOZOWANIU KROKOWYM ROCZNEGO ZUŻYCIA ENERGII ELEKTRYCZNEJ PRZEZ ODBIORCÓW WIEJSKICH
INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH Nr 2/2005, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s. 121 128 Komisja Technicznej Infrasrukury Wsi Małgorzaa Trojanowska WYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO
Bardziej szczegółowoMetody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoAlicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza
Bardziej szczegółowoCopyright by Politechnika Białostocka, Białystok 2017
Recenzenci: dr hab. Sanisław Łobejko, prof. SGH prof. dr hab. Doroa Wikowska Redakor naukowy: Joanicjusz Nazarko Auorzy: Ewa Chodakowska Kaarzyna Halicka Arkadiusz Jurczuk Joanicjusz Nazarko Redakor wydawnicwa:
Bardziej szczegółowoPROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoWAHANIA NATĘśEŃ RUCHU DROGOWEGO NA SIECI DRÓG MIEJSKICH
dr hab. inŝ. Kazimierz Kłosek Prof. nzw. Poliechniki Śląskiej, Kierownik Kaedry Dróg i Mosów dr inŝ. Anna Olma Wydział Budownicwa Poliechniki Śląskiej Gliwice, Polska WAHANIA NATĘśEŃ RUCHU DROGOWEGO NA
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Bardziej szczegółowoKobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej szczegółowoWykorzystanie metod wygładzania wykładniczego do prognozowania kursu sprzedaży EUR
Wykorzystanie metod wygładzania wykładniczego do prognozowania kursu sprzedaży EUR Katarzyna Halicka Politechnika Białostocka, Wydział Zarządzania, Katedra Informatyki Gospodarczej i Logistyki, e-mail:
Bardziej szczegółowoDendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
Bardziej szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoMODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM, LOGISTYCZNE I KRZYśOWANIA HEURYSTYCZNEGO
InŜynieria Rolnicza 11/2006 Małgorzaa Trojanowska Kaedra Energeyki Rolniczej Akademia Rolnicza w Krakowie MODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM,
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoOcena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Bardziej szczegółowoBadanie funktorów logicznych TTL - ćwiczenie 1
adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami
Bardziej szczegółowoPROPOZYCJA NOWEJ METODY OKREŚLANIA ZUŻYCIA TECHNICZNEGO BUDYNKÓW
Udosępnione na prawach rękopisu, 8.04.014r. Publikacja: Knyziak P., "Propozycja nowej meody określania zuzycia echnicznego budynków" (Proposal Of New Mehod For Calculaing he echnical Deerioraion Of Buildings),
Bardziej szczegółowoANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/1, 2012, sr. 224 233 ANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH 1991-2011 Kaarzyna Unik-Banaś Kaedra Zarządzania i Markeingu w Agrobiznesie
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoPrognozowanie wska ników jako ciowych i ilo ciowych dla gospodarki polskiej z wykorzystaniem wybranych metod statystycznych
dr Anna Koz owska-grzybek mgr Marcin Kowalski Kaedra Mikroekonomii Akademia Ekonomiczna w Poznaniu Prognozowanie wska ników jako ciowych i ilo ciowych dla gospodarki polskiej z wykorzysaniem wybranych
Bardziej szczegółowoZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/4, 214, sr. 181 194 ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH
Bardziej szczegółowodr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG
dr inż. MARCIN MAŁACHOWSKI Insyu Technik Innowacyjnych EMAG Wykorzysanie opycznej meody pomiaru sężenia pyłu do wspomagania oceny paramerów wpływających na możliwość zaisnienia wybuchu osiadłego pyłu węglowego
Bardziej szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoIMPLEMENTACJA WYBRANYCH METOD ANALIZY STANÓW NIEUSTALONYCH W ŚRODOWISKU MATHCAD
Pior Jankowski Akademia Morska w Gdyni IMPLEMENTACJA WYBRANYCH METOD ANALIZY STANÓW NIEUSTALONYCH W ŚRODOWISKU MATHCAD W arykule przedsawiono możliwości (oraz ograniczenia) środowiska Mahcad do analizy
Bardziej szczegółowoANALIZA BIPOLARNEGO DYNAMICZNEGO MODELU DIAGNOSTYCZNEGO MONITOROWANIA WYPOSAśENIA ELEKTRYCZNEGO SAMOCHODU
LOGITRANS - VII KONFERENCJA NAUKOWO-TECHNICZNA LOGISTYKA, SYSTEMY TRANSPORTOWE, BEZPIECZEŃSTWO W TRANSPORCIE Radosław GAD 1 Moniorowanie diagnosyczne, model dynamiczny, diagnosyka pojazdowa ANALIZA BIPOLARNEGO
Bardziej szczegółowoLABORATORIUM PODSTAW ELEKTRONIKI PROSTOWNIKI
ZESPÓŁ LABORATORIÓW TELEMATYKI TRANSPORTU ZAKŁAD TELEKOMUNIKJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POLITECHNIKI WARSZAWSKIEJ LABORATORIUM PODSTAW ELEKTRONIKI INSTRUKCJA DO ĆWICZENIA NR 5 PROSTOWNIKI DO UŻYTKU
Bardziej szczegółowoWskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoPROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH
InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W
Bardziej szczegółowoPROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM
PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany
Bardziej szczegółowoZASTOSOWANIE METODY OBLICZEŃ UPROSZCZONYCH DO WYZNACZANIA CZASU JAZDY POCIĄGU NA SZLAKU
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 87 Transpor 01 Jarosław Poznański Danua Żebrak Poliechnika Warszawska, Wydział Transporu ZASTOSOWANIE METODY OBLICZEŃ UPROSZCZONYCH DO WYZNACZANIA CZASU JAZDY
Bardziej szczegółowo4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
Bardziej szczegółowoWERYFIKACJA JAKOŚCI PROGNOZ ZMIENNOŚCI WYKORZYSTYWANYCH W MODELU RISKMETRICS TM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-8611 Nr 86 016 Ekonomia 6 Uniwersye Ekonomiczny w Kaowicach Wydział Finansów i Ubezpieczeń Kaedra Inwesycji i Nieruchomości
Bardziej szczegółowoTransakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Agaa Srzelczyk Transakcje insiderów a ceny akcji spółek noowanych na Giełdzie Papierów Warościowych w Warszawie S.A. Wsęp Inwesorzy oczekują od każdej noowanej na Giełdzie Papierów Warościowych spółki
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowoWYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU
WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU THE USE OF ARTIFICIAL NEURAL NETWORKS IN FORECASTING Konrad BAJDA, Sebastian PIRÓG Resume Artykuł opisuje wykorzystanie sztucznych sieci neuronowych
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoRóżnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)
Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis
Bardziej szczegółowoimei 1. Cel ćwiczenia 2. Zagadnienia do przygotowania 3. Program ćwiczenia
CYFROWE PRZEWARZANIE SYGNAŁÓW Laboraorium Inżynieria Biomedyczna sudia sacjonarne pierwszego sopnia ema: Wyznaczanie podsawowych paramerów okresowych sygnałów deerminisycznych imei Insyu Merologii Elekroniki
Bardziej szczegółowoZapraszamy do współpracy FACULTY OF ENGINEERING MANAGEMENT www.fem.put.poznan.pl Agnieszka Stachowiak agnieszka.stachowiak@put.poznan.pl Pokój 312 (obok czytelni) Dyżury: strona wydziałowa Materiały dydaktyczne:
Bardziej szczegółowoSKUTECZNOŚĆ PROGNOZOWANIA W ZARZĄDZANIU TRANSAKCJAMI NA GIEŁDZIE ENERGII
UNIWERSYTET WARSZAWSKI WYDZIAŁ ZARZĄDZANIA mgr inż. Katarzyna Halicka Autoreferat rozprawy doktorskiej na temat: SKUTECZNOŚĆ PROGNOZOWANIA W ZARZĄDZANIU TRANSAKCJAMI NA GIEŁDZIE ENERGII Promotor: prof.
Bardziej szczegółowoANALIZA ODPOWIEDZI UKŁADÓW KONSTRUKCYJNYCH NA WYMUSZENIE W POSTACI SIŁY O DOWOLNYM PRZEBIEGU CZASOWYM
Budownicwo Mariusz Poński ANALIZA ODPOWIEDZI UKŁADÓW KONSTRUKCYJNYCH NA WYMUSZENIE W POSTACI SIŁY O DOWOLNYM PRZEBIEGU CZASOWYM Wprowadzenie Coraz większe ograniczenia czasowe podczas wykonywania projeków
Bardziej szczegółowoĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie
ĆWICZENIE 7 WYZNACZIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA Wprowadzenie Ciało drgające w rzeczywisym ośrodku z upływem czasu zmniejsza ampliudę drgań maleje energia mechaniczna
Bardziej szczegółowoPROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 69 Elecrical Engineering 0 Janusz WALCZAK* Seweryn MAZURKIEWICZ* PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO W arykule opisano meodę generacji
Bardziej szczegółowoO EFEKTACH ZASTOSOWANIA PEWNEJ METODY WYZNACZANIA PROGNOZ JAKOŚCIOWYCH ZMIAN CEN AKCJI W WARUNKACH KRYZYSU FINANSOWEGO 2008 ROKU
Arykuł opublikowany w: Rynki kapiałowe a koniunkura gospodarcza, red. A. Szablewski, R. Wójcikowski, Wydawnicwo Poliechniki Łódzkiej, Łódź 009, s. 95-07 Doroa Wiśniewska Uniwersye Ekonomiczny w Poznaniu
Bardziej szczegółowoWybrane problemy prognozowania cen produktów rolnych
V EUROPEJSKI KONGRES MENADŻERÓW AGROBIZNESU, ŁYSOMICE 14.11.218 Wybrane problemy prognozowania cen produków rolnych Cezary Klimkowski INSTYTUT EKONOMIKI ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT
Bardziej szczegółowoOeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu
OeconomiA copernicana 2011 Nr 4 Małgorzaa Madrak-Grochowska, Mirosława Żurek Uniwersye Mikołaja Kopernika w Toruniu TESTOWANIE PRZYCZYNOWOŚCI W WARIANCJI MIĘDZY WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Bardziej szczegółowoWygładzanie metodą średnich ruchomych w procesach stałych
Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja
Bardziej szczegółowoPOMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU
Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów
Bardziej szczegółowoMetody ilościowe w systemie prognozowania cen produktów rolnych. Mariusz Hamulczuk Cezary Klimkowski Stanisław Stańko
Meody ilościowe w sysemie prognozowania cen produków rolnych nr 89 2013 Mariusz Hamulczuk Cezary Klimkowski Sanisław Sańko Meody ilościowe w sysemie prognozowania cen produków rolnych Meody ilościowe
Bardziej szczegółowoWYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN
Inżynieria Rolnicza 2(9)/7 WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Sławomir Francik Katedra Inżynierii Mechanicznej i Agrofizyki, Akademia
Bardziej szczegółowoMETODA OKREŚLANIA WIELKOŚCI KONTRAKTÓW NA ENERGIĘ ELEKTRYCZNĄ
B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 3 2009 Barbara GŁADYSZ* METODA OKREŚLANIA WIELKOŚCI KONTRAKTÓW NA ENERGIĘ ELEKTRYCZNĄ W arykule zaproponowano meodę określania wielkości konraków na
Bardziej szczegółowoAnaliza metod oceny efektywności inwestycji rzeczowych**
Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie
Bardziej szczegółowoAnaliza taksonomiczna porównania przyspieszenia rozwoju społeczeństwa informacyjnego wybranych krajów
Ekonomiczne Problemy Usług nr 1/2017 (126),. 1 ISSN: 1896-382X www.wnus.edu.pl/epu DOI: 10.18276/epu.2017.126/1-08 srony: 71 79 Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra
Bardziej szczegółowoZastosowanie technologii SDF do lokalizowania źródeł emisji BPSK i QPSK
Jan M. KELNER, Cezary ZIÓŁKOWSKI Wojskowa Akademia Techniczna, Wydział Elekroniki, Insyu Telekomunikacji doi:1.15199/48.15.3.14 Zasosowanie echnologii SDF do lokalizowania źródeł emisji BPSK i QPSK Sreszczenie.
Bardziej szczegółowoZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH
Pior KISIELEWSKI, Łukasz SOBOTA ZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH W arykule przedsawiono zasosowanie eorii masowej obsługi do analizy i modelowania wybranych sysemów
Bardziej szczegółowoŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych
Bardziej szczegółowo1.1. Bezpośrednie transformowanie napięć przemiennych
Rozdział Wprowadzenie.. Bezpośrednie ransformowanie napięć przemiennych Bezpośrednie ransformowanie napięć przemiennych jes formą zmiany paramerów wielkości fizycznych charakeryzujących energię elekryczną
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoZASTOSOWANIE DRZEW KLASYFIKACYJNYCH DO BADANIA KONDYCJI FINANSOWEJ PRZEDSIĘBIORSTW SEKTORA ROLNO-SPOŻYWCZEGO
120 Krzyszof STOWARZYSZENIE Gajowniczek, Tomasz Ząbkowski, EKONOMISTÓW Michał Goskowski ROLNICTWA I AGROBIZNESU Roczniki Naukowe om XVI zeszy 6 Krzyszof Gajowniczek, Tomasz Ząbkowski, Michał Goskowski
Bardziej szczegółowoEfekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
Bardziej szczegółowoPOZYCJONOWANIE I NADĄŻANIE MINIROBOTA MOBILNEGO M.R.K
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 37, s. 97-104, Gliwice 2009 POZYCJONOWANIE I NADĄŻANIE MINIROBOTA MOBILNEGO M.R.K MARIUSZ GIERGIEL, PIOTR MAŁKA Kaedra Roboyki i Mecharoniki, Akademia Górniczo-Hunicza
Bardziej szczegółowoMODEL TENDENCJI ROZWOJOWEJ
MODEL TENDENCJI ROZWOJOWEJ Model endencji rozwojowej o konsrukcja eoreczna (równanie lub układ równań) opisująca kszałowanie się określonego zjawiska jako funkcji: zmiennej czasowej wahań okresowch (sezonowe
Bardziej szczegółowohact , 4 haot technice świec japońskich. 4 Na podstawie strony internetowej:
Zasosowanie echniki Heikin Ashi na rynku kapiałowym Krzyszof Borowski Opublikowany w: Sudia i Prace Kolegium Zarządzania i Finansów, Zeszy Naukowy 66, Warszawa 26, sr. 9-99. Po raz pierwszy japońskie echniki
Bardziej szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
Bardziej szczegółowoMODELE ARIMA DO KRÓTKOTERMINOWEGO PROGNOZOWANIA OBCIĄŻEŃ SYSTEMÓW ELEKTROENERGETYCZNYCH
Nr 2 (00) - 202 Rynek Energii Sr. MODELE ARIMA DO KRÓTKOTERMINOWEGO PROGNOZOWANIA OBCIĄŻEŃ SYSTEMÓW ELEKTROENERGETYCZNYCH Grzegorz Dudek Słowa kluczowe: krókoerminowe prognozowanie zaporzebowania na moc
Bardziej szczegółowoEkonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006
Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap
Bardziej szczegółowoC d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:
Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili
Bardziej szczegółowoPrognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
Bardziej szczegółowoStruktura sektorowa finansowania wydatków na B+R w krajach strefy euro
Rozdział i. Srukura sekorowa finansowania wydaków na B+R w krajach srefy euro Rober W. Włodarczyk 1 Sreszczenie W arykule podjęo próbę oceny srukury sekorowej (sekor przedsiębiorsw, sekor rządowy, sekor
Bardziej szczegółowoParytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012 MAŁGORZATA WASILEWSKA PORÓWNANIE METODY NPV, DRZEW DECYZYJNYCH I METODY OPCJI REALNYCH W WYCENIE PROJEKTÓW
Bardziej szczegółowo