КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Проблеми вищої математичної освіти: виклики сучасності (2024)

Розмір шрифта: 
ПРОГНОЗУВАННЯ ВИТРАТ РЕСУРСІВ ПРИ АВТОМАТИЗОВАНОМУ ЗБОРІ ДАНИХ З ЛІЧИЛЬНИКІВ
Дмитро Святославович Бондаренко, Злата Василівна Бондаренко, Світлана Анатоліївна Кирилащук, Віталій Іванович Клочко

Остання редакція: 2024-06-10

Анотація


В роботі для прогнозування витрат ресурсів при автоматизованому зборі даних з лічильників використовується модель авторегресії зі змінним рухомим середніми (ARIMA), яка є однією з найпоширеніших методів у часовому ряді аналізу. Проведена перевірка стаціонарності часового ряду споживання ресурсів. Наведено результати аналізу стаціонарності та диференціювання часового ряду.

 

RESOURCE CONSUMPTION FORECASTING WITH AUTOMATED DATA COLLECTION FROM METERS

 

Abstract. The paper uses the autoregressive moving average (ARIMA) model, which is one of the most common methods in time series analysis, to predict resource consumption in automated meter data collection. The stationarity of the time series of resource consumption is checked. The results of the analysis of stationarity and differentiation of the time series are presented


Ключові слова


витрати ресурсів; стаціонарність часового ряду; генерація даних;resource consumption; time series stationarity; data generation

Посилання


1. Лук’яненко І. Г. Аналіз часових рядів побудова arima [Текст]: /І. Г. Лук’яненко, В. М. Жук // Вісник "Києво-Могилянська Академія", 2013.- С. 6-184

 

2.Регресійний аналіз [Електронний ресурс] // Режим доступу: http://www.machinelearning.ru/wiki/index.php?title /

 

3.Авторегресія (AR, autoregression) [Електронний ресурс] // Режим доступу: https://fnow.ru/articles/avtoregressia.

 

4.Дзендзелюк О. Побудова ARIMA моделей часових рядів для прогнозування метеоданих на мові програмування [Текст]: /О. Дзендзелюк, Л. Костів, В. Рабик. //Електроніка та інформаційні технології №3. - С.211 — 219.

 

5.   Ahmad, M.; Younas, M.Z.; Ullah, A.; Kryvinska, N. Machine and Deep Learning Base Stacking Model Using Hybrid Class Imbalanced Technique for Electricity Theft Detection in Smart Grid(Preprint) /SSRN, 11 March 2024.


Повний текст: PDF