Представлен анализ результатов прогнозирования почасового электропотребления (от 0-го до 23-го часа суток) по региону республика Хакасия. Использованы методы прогнозирования, среди которых линейная регрессия, различные виды скользящей средней, нейросетевые методы. Временной лаг используемых ретроспективных данных составил 3 месяца, или 6552 значения. На указанном выше лаге наименьшей величины прогнозной ошибки позволил добиться метод множественной линейной регрессии. Погрешность в данном случае составила 2,4?%. Представлены графики фактических и прогнозных значений почасового электропотребления, полученные с использованием методов множественной линейной регрессии, скользящей средней, нейронных сетей. Проанализированы узкие места в работе вышеперечисленных методов. Фактическое распределение значений было проверено на нормальный закон, сделаны выводы о недостаточной эффективности методов прогнозирования с акцентом на проблемных зонах. Анализ позволил выявить потребность в дальнейшей корректировке прогнозных значений в местах перелома тренда.
The results analysis of hourly (from the zero to the twenty-third hour) power consumption forecasting in the Republic of Khakassia is given. The forecasting methods were used, including linear regression, various types of moving average and neural network techniques. The time lag of used retrospective data is 3 months, or 6552 values. The multiple linear regression method allowed to achieve the smallest value of the forecast error at the above-mentioned time lag. The error equals 2.4?% in this case. The graphics of actual and forecast hourly power consumption values obtained using the multiple linear regression method, moving average and neural network techniques were given. The problem zones of methods were analyzed. The actual values of power consumption were checked to the normal distribution, the conclusions about the ineffectiveness of forecasting methods were made with an emphasis on the problem zones. The analysis revealed that there is the need to correct the forecast values at the turning points of trend in the future.
1. Взвешенное скользящее среднее [Электронный ресурс] // Вплюсе. – URL: http://vpluse.net/trendovye-indikatory/240-vzveshennoe-skolzyashchee-srednee-wma (дата обращения: 17.10.2014).
2. Константиновская Л.В. Методы и приёмы прогнозирования [Электронный ресурс] / Л.В. Константиновская // Официальный сайт автора. – URL: http://www.astronom2000.info/ %d0 %bf %d1 %80 %d0 %be %d0 %b3 % d0 %bd %d0 %be %d0 %b7 %d0 %b8 %d1 %80 %d0 %be %d0 %b2 %d0 %b0 %d0 %bd %d0 %b8 %d0 %b5/ (дата обращения: 14.07.2014).
3. Нейронные сети [Электронный ресурс] // StatSoft: Электронный учебник по статистике. – URL: http://www.statsoft.ru/home/textbook/modules/ stneunet.html#multilayerа (дата обращения: 19.07.2015).
4. Непараметрические тесты [Электронный ресурс] // LearnSPSS.ru: Электронный самоучитель по SPSS. – URL: http://www.learnspss.ru/hndbook/glava14/cont18.htm (дата обращения: 17.03.2014).
5. Сглаживание скользящих средних – достоинства и недостатки // URL: ВебМастерМаксим. Ру. – URL: http://webmastermaksim.ru/ foreks/sglazhivanie-skolzyashhix-srednix-dostoinstva-nedostatki.html (дата обращения: 14.11.2014).
6. Сорокин А., Сорокин С. Использование нейросетевых моделей в поведенческом скоринге [Электронный ресурс] / А. Сорокин, С. Сорокин // Электронный журнал «Прикладная информатика». – URL: https://books.google.ru/books/about/ %D0 %98 % D1 %81 %D0 %BF %D0 %BE %D0 %BB %D1 %8C %D0 %B7 %D0 %BE %D0 %B2 %D0 %B0 %D0 %BD %D0 %B8 %D0 %B5_ %D0 %BD %D0 %B5 %D0 %B9 %D1 %80 %D0 %BE %D1 %81.html?id = l8avCQAAQBAJ&redir_esc = y (дата обращения: 30.06. 2015).
7. Хайкин С. Нейронные сети [Текст] / С. Хайкин. – М.: Вильямс, 2006. – 1104 с.
8. Чучуева И.А. Классификация моделей прогнозирования [Электронный ресурс] / И.А. Чучуева // Математическое бюро. – URL: http://www.mbureau.ru/blog/klassifikaciya-modeley-prognozirovaniya-analiz-kursa-lekciy-o-prognoze (дата обращения: 25.08.2014).
9. Шилов А.В. Анализ методов в системе выработки и принятия прогнозных решений [Текст] / А.В. Шилов // С.С. Чернов. – Новосибирск: Издательство ЦРНС, 2014. – С. 27–34.
10. Шилов А.В. О возможностях применения проблемно ориентированной системы выработки и принятия прогнозных решений [Текст] / А.В. Шилов // С.С. Чернов. – Новосибирск: Издательство ЦРНС, 2014. – С. 77–83