| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 8 / 8
First pagePrevious page1Next pageLast page
1.
2.
3.
NAPOVED OBREMENITEV V ELEKTROENERGETSKIH SISTEMIH
Borut Pezdiček, 2010, undergraduate thesis

Abstract: V prvem delu diplomske naloge so opisane teoretične osnove časovnih vrst, ki so potrebne za lažje razumevanje in razlago o pripravi napovedi obremenitev v elektroenergetskih sistemih. Opisani so tudi vsi ključni pojmi in komponente, ki jih srečujemo na področju statistike in napovedi, posebno poglavje pa je posvečeno tudi celotnemu poteku analize in izdelavi matematičnega modela ARIMA. V drugem delu, ki obsega eksperimentalno delo, katero je razširjeno tudi v prilogo, so opisani postopki, ugotovitve in razlage narejenih napovedi, ki slonijo na realnih podatkih posameznih vozlišč. Predstavljen je tudi potek dela in uporabljena programska orodja, ki so ključnega pomena pri izdelavi napovedi obremenitev.
Keywords: elektroenergetski sistemi, napovedi, ARIMA, časovne vrste, obremenitve, električna energija
Published: 23.08.2010; Views: 1403; Downloads: 202
.pdf Full text (2,72 MB)

4.
UPORABA PROGRAMA SPSS PRI NAPOVEDOVANJU ELEKTRIČNE ENERGIJE
Kristjan Zobovnik, 2011, undergraduate thesis

Abstract: Ko znamo napovedati porabo energije, se lahko tudi optimalno odločimo, koliko jo kupiti ali kako dimenzionirati prenosne naprave. Z uporabo statističnih metod in metod napovedi na osnovi analize časovnih vrst, smo želeli napovedati porabo energije za industrijski kompleks. Za napovedovanje obstaja mnogo programskih orodij, kjer so implementirane danes standardne metode napovedi. Zaradi enostavne uporabe, smo se odločili za program IBM SPSS. Za testni primer napovedi porabe smo uporabili merilne podatke porabe električne energije industrijskega kompleksa Železarne Ravne za leto 2007. Preučili smo problematiko vpliva velikega porabnika, elektroobločna peč, (velik napovednik) na skupni model napovedi porabe. Določili smo dva modela napovedi, ko veliki napovednik obratuje in ko ne obratuje. V diplomi smo se posebej posvetili vprašanju, kako dolgo časovno obdobje meritev uporabiti za učenje modela napovedi. Delno smo se posvetili tudi problematiki ubežnikov med merilnimi podatki. Izvedli smo kratkoročno in srednjeročno napoved. Optimalna modela napovedi sta ARIMA in aditivni sezonski model.
Keywords: meritev, napoved, časovne vrste, ARIMA, aditivni sezonski model, regresija
Published: 28.11.2011; Views: 2625; Downloads: 419
.pdf Full text (2,03 MB)

5.
6.
NAČRTOVANJE ZALOG S POMOČJO ČASOVNIH VRST V FARMACEVTSKEM PODJETJU
Lucija Gleščič Kragelj, 2016, bachelor thesis/paper

Abstract: Diplomska naloga zajema področje predvidevanja in napovedovanja zalog v oskrbovalni verigi podjetja. Podatki, s katerimi smo operirali, so vzeti iz realnega okolja podjetja Gopharm d. o. o. Prevelika zaloga zdravil povzroča nepotrebne stroške podjetju in posledično tudi vezanje denarja vanje. Ravno zato smo želeli optimizirati proces vodenja zalog. Teoretični del naloge zajema analizo časovnih vrst, ekstrapolacijske in korelacijskih metode napovedovanja s fiksnim vzorcem in XYZ analizno metodo za obdelavo podatkov. V praktičnem delu naloge smo na realnih podatkih podjetja preizkusili različne metode napovedovanja, ekstrapolacijske in korelacijske metode časovnih vrst ter računali najmanjšo napako odstopanja. Rezultate metode napovedovanja z najmanjšo napako odstopanja smo primerjali še z razredi XYZ metode in prišli do ugotovitve o povezanosti. Glede na rezultate vzorca desetih zdravil in trenutnega stanja na trgu, bi bilo smiselno za napovedovanje uporabljati kratkoročne ekstrapolacijske metode.
Keywords: vodenje zalog, časovne vrste, napovedovanje potreb, ARIMA, korelacijske metode, ekstrapolacijske metode, XYZ analiza
Published: 22.06.2016; Views: 645; Downloads: 91
.pdf Full text (651,22 KB)

7.
Integrirani avtoregresijski modeli s premikajočimi sredinami za napovedovanje porabe električne energije
Matic Tajnik, 2016, master's thesis

Abstract: Magistrsko delo obravnava primerjavo pristopov različnih tehnik k napovedovanju porabe električne energije. Delo je razdeljeno na pet poglavij. V prvem poglavju so predstavljene tehnike modeliranja, ki so potrebne za razumevanje opravljenih analiz in nadaljnih primerjav, to so: večstopenjska linearna regresija, metoda podpornih vektorjev, naključni gozd in mehka logika. Pregledu metod modeliranja sledi poglavje, kjer so predstavljeni indeksi kakovosti modelov. Razdeljeni so v pet podpoglavij: napake, determinacijski koeficient, popravljen determinacijski koeficient, statistični F-test in informacijski kriteriji. V tretjem poglavju so podrobno predstavljeni in razčlenjeni integrirani avtoregresijski modeli premikajoče sredine (ARIMA). Naprej je predstavljena avtokorelacija in njene funkcije, sledi definicija stacionarnosti in diferenciranja časovne vrste, predstavljeni so sezonski ARIMA modeli, na koncu sledijo koraki Box-Jenkins metodologije za izgradnjo ARIMA modelov. V četrtem poglavju je povzeta uporaba taksonomije, izdelana je razširitev taksonomije napovedovanja v elektrogospodarstvu, predstavljena je obdelana literatura in prikaz taksonomskih enot, ki so bile vsebovane v njej. Poleg taksonomskih enot so za obravnavano literaturo predstavljeni grafi primerjav tehnik modeliranja. V zadnjem poglavju so predstavljeni izračuni in primerjava rezultatov natančnosti modelov za napovedovanje. Najprej je predstavljena lastna časovna vrsta, sledi konstrukcija ARIMA modela po Box-Jenkins metodologiji in kasneje še modelov AutoARIMA (funkcija, ki samostojno določi parametre modela), multiple linearne regresije (MLR) in metode podpornih vektorjev (SVM). Na koncu poglavja so prikazane analize primerjav med modeli glede na dolžino in odmik učnega obdobja. Primerjani so tudi modeli za 12 urno napovedovanje.
Keywords: napovedovanje, linearna regresija, naključni gozd, podporni vektorji, ARIMA modeli, taksonomija, mehka logika, informacijski kriteriji.
Published: 07.02.2017; Views: 1372; Downloads: 213
.pdf Full text (4,58 MB)

8.
Avtomatiziran sistem za borzno trgovanje
Matevž Celcer, 2019, undergraduate thesis

Abstract: Namen diplomskega dela je bila raziskava in implementacija sodobnih načinov predvidevanja prihodnjih vrednosti delnic. Razloženi so koncepti borznega in avtomatiziranega trgovanja in japonske svečke. Uporabljeni so bili algoritmi RNN, AR, MA in ARIMA. Izdelek je napisan v celoti v programskem jeziku Python, ključni moduli za razvoj so bili Numpy, Pandas, Statsmodels in Keras. Uporabljena je bila verzija Python 3.7.1.
Keywords: časovne vrste, avtoregresivna časovna vrsta, AR, tekoče povprečje MA, ARIMA, ponavljajoče se nevronske mreže, RNN, avtomatizirano borzno trgovanje, japonske svečke
Published: 21.11.2019; Views: 73; Downloads: 17
.pdf Full text (1,38 MB)

Search done in 0.2 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica