Wykorzystanie modeli wyrównywania wykładniczego w prognozowaniu zmiennych o wysokiej częstotliwości w warunkach braku pełnej informacji

Abstract

Streszczenie: W pracy przedstawione zostaną wyniki wykorzystanie modeli wyrównywania wykładniczego (Browna, Holta i Holta-Wintersa) w postaci addytywnej i multiplikatywnej w prognozowaniu interpolacyjnym i ekstrapolacyjnym zapotrzebowania na moc energetyczną w okresach godzinnych w aglomeracji A na podstawie szeregu z lukami systematycznymi. Podstawą budowy prognoz będą szeregi czasowe, z których wyeliminowano wahania o cyklach: dwunastomiesięcznym, tygodniowym lub także dwudziestoczterogodzinnym. Przeprowadzona zostanie także analiza porównawcza ich dokładności z dokładnością prognoz otrzymanych na podstawie predyktorów opartych na klasycznych modelach szeregu czasowego ze złożonymi wahaniami sezonowymi. Przedstawiona będzie także ocena kryteriów wyboru optymalnych wartości stałych wygładzania w aspekcie budowy prognoz ex ante.Słowa kluczowe: prognozowanie, dane o wysokiej częstotliwości, złożona sezonowość, wyrównywanie wykładnicze, systematyczne luki w danych. Summary:The paper will present the results of the application of the modified additive and multiplicative exponential smoothing models (Brown, Holt and Holt-Winters) in the interpolation and extrapolation forecasting of demand for power energy in the agglomeration A in hour periods, based on time series with systematic gaps. The basis for the construction of forecasts will be time series, from which twelve month, weekly and twenty-four hour fluctuation cycles have been eliminated. Additionally the comparative analysis of accuracy of forecasts built for classical time series models with complex seasonal fluctuations will be conducted. There also will be presented an assess of the criteria for selecting the optimal values of the smoothing constants in terms of building an ex ante forecasts.

An Estimate of the Number of Accidents on Polish Highways Based on the Kind of Road

“…While Sunny et al [18] employed the Holt-Winters exponential smoothing method, Prochazka et al [19] used a multi-seasonality model. One of the model's drawbacks is that exogenous variables cannot be included [20].…”

“…The benefit of these models is that they give the models under investigation a considerable deal of flexibility; nevertheless, the drawback is that they demand more advanced research skills from the researcher than, for instance, the regression analysis [34]. The linearity of the ARIMA model is another drawback [20].…”

Optimization of Methods for Forecasting the Number of Road Accidents

“…Procházka et al [20]'s multiple seasonality model and Sunny et al [21]'s Holt-Winters exponential smoothing method were both used for forecasting. Exogenous variables cannot be included in the model, which is one of its disadvantages [22]- [23].…”

Forecasting the Number of Road Accidents in Poland by Road Type

“…The aforementioned information leads to the conclusion that not all procedures utilized in the situation under review are successful. To determine the best forecasting method, the value of mean absolute percentage error MAPE (20) was used for which the analyzed value was the smallest. The best forecasting techniques for each road were determined to be the following:…”

“…While Sunny & Nithya [18] employed the Holt-Winters exponential smoothing approach, Procházka et al [19] used a multi-seasonality model for forecasting. One of its drawbacks is that exogenous variables cannot be added to the model [20].…”