Szczegóły publikacji
Opis bibliograficzny
Skuteczność prognozowania zużycia gazu z wykorzystaniem metod regresji i sztucznych sieci neuronowych — Prediction of gas consumption efficiency using regression and artificial neural networks / Tomasz CIEŚLIK, Klaudia METELSKA // Czasopismo Inżynierii Lądowej, Środowiska i Architektury = Journal of Civil Engineering, Environment and Architecture ; ISSN 2300-5130. — Tytuł poprz.: Zeszyty Naukowe Politechniki Rzeszowskiej. Seria: Budownictwo i Inżynieria Środowiska ; ISSN: 0209-2646. — 2017 — t. 34 z. 64, s. 133–141. — Bibliogr. s. 141, Summ. — T. Cieślik – dod. afiliacja: Instytut Fizyki Jądrowej PAN
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 105269 |
|---|---|
| Data dodania do BaDAP | 2017-04-27 |
| DOI | 10.7862/rb.2017.13 |
| Rok publikacji | 2017 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Czasopismo/seria | Czasopismo Inżynierii Lądowej, Środowiska i Architektury = Journal of Civil Engineering, Environment and Architecture |
Abstract
Based on the collected data, such as temperature, wind power and gas consumption during the day for over two years determine the effects of weathering on gas consumption by using multiple regression, power functions and user functions. We determine the impact of the month and day (artificial parameter) to consume gas. We build models of linear regression-in, power series and artificial neural networks for determining gas consumption. We are trying to determine how best regression model and compare it to the neural network models using MAPE (mean absolute percentage error).
Streszczenie
Na podstawie zgromadzonych danych takich jak: temperatura, siła wiatru oraz zużycie gazu w ciągu dnia na przestrzeni dwóch lat określono wpływ czynników atmosferycznych na konsumpcje gazu za pomocą regresji wielorakiej, funkcji potęgowych oraz funkcji użytkownika. Wyznaczono wpływ miesiąca oraz dnia (parametr sztuczny) na konsumpcje gazu. Zbudowano modele regresji liniowe, potęgowej oraz sztuczne sieci neuronowe służące do określania zużycia gazu. Starano się wyznaczyć jak najlepszy model regresji i porównywano go do modeli sieci neuronowych za pomocą MAPE (średni absolutny błąd procentowy).
