W artykule przedstawiono wyniki wykorzystania wybranych modeli adaptacyjnych w prognozowaniu zmiennej o wysokiej częstotliwości obserwowania z lukami systematycznymi. Modelowaniu oraz prognozowaniu poddano szeregi czasowe, z których wyeliminowano jeden lub dwa rodzaje wahań sezonowych. Prognozy końcowe były sumami (iloczynami) prognoz otrzymanych dla danych oczyszczonych i składników (wskaźników) sezonowości. Artykuł stanowi rozszerzenie rozważań autorów [Szmuksta-Zawadzka i Zawadzki, 2014] na przypadek występowania systematycznych luk w danych.
EN
This paper presents the results of the application of selected adaptive models in forecasting of high-frequency variable with systematic gaps. To modeling and forecasting were used time series, from which seasonal fluctuations were eliminated. Final forecasts were built as sums (products) of forecasts, for the data “cleaned” from seasonality and seasonal components (indicators). The paper is an extension of considerations authors [Szmuksta-Zawadzka and Zawadzki, 2014] on the case of the occurrence of systematic gaps in the data.
W pracy przedstawione zostało wykorzystanie wybranych modeli adaptacyjnych w prognozowania zmiennych o bardzo wysokiej częstotliwości obserwowania, na podstawie szeregów z lukami niesystematycznymi, z których wyeliminowano dwa lub trzy rodzaje sezonowości. Egzemplifikacją rozważań teoretycznych stanowi przykład empiryczny, dotyczący kształtowania się zapotrzebowania na moc energetyczną w okresach godzinnych w aglomeracji A.
EN
In this paper was presented application of selected exponential smoothing models in forecasting very high frequency variables on the basis of time series with unsystematic gaps, from which two or three types of seasonal fluctuations were eliminated. Exemplification of theoretical considerations will be an empirical example, concerning the power demand in agglomeration A in hourly periods.
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.