JM

Ta strona jest tylko do odczytu. Możesz wyświetlić źródła tej strony ale nie możesz ich zmienić.
====== Aproksymacja w zadaniu prognozowania zapotrzebowania energii ======

- 7.1  ** Dane archiwalne **
  * Plik danych - {{dydaktyka:aniss:dane7.m}}.
  * Przegląd dostępnych danych - wykresy czasowe każdej danej {{dydaktyka:aniss:cw7_1.m}}.

- 7.2  ** Wybór zmiennych objaśniających **
  * Czas - w skali dnia, tygodnia, roku.
  * Temperatura, wilgotność, ciśnienie, wiatr, zachmurzenie.
  * Korelacja temperatury i czasu (w której skali czasu?).

- 7.3  ** Wygładzanie danych ("ręczne") **
  * Usuwanie danych oddalonych (outliers), {{dydaktyka:aniss:cw7_3.m}} 
  * Porównanie z regresją odporną (robust regression) w zadaniu 7.6

- 7.4  ** Próby aproksymacji funkcją jednej zmiennej ** 
  * Podział danych ze względu na porę roku.
  * Sprawdzenie typu rozkładu zakłóceń. 
  * Aproksymacja zapotrzebowania w zimowy dzień powszedni {{dydaktyka:aniss:cw7_4.m}}.
  * Warunki okresowości funkcji aproksymującej.
  * Aproksymacja zapotrzebowania w letni weekend.
  * Powiązanie aproksymacji w dniu roboczym i "wolnym".
  * Problem liniowy vs. problem kwadratowy vs. problem nieliniowy
  * Procedury MATLABa: lsqlin, quadprog.

- 7.5  ** Aproksymacja funkcją dwóch zmiennych **
  * Wybór zmiennych objaśniających
  * Przykłady {{dydaktyka:aniss:cw7_5.m}} dla dnia letniego i zimowego.
  * Próba aproksymacji zapotrzebowania w dowolnym w roku dniu roboczym. 

- 7.6  ** Aproksymacja nieparametryczna w MATLABie** 
  * Help: Curve Fitting Toolbox / Smoothing / Filtering and Smoothing Data /
  * Local Regression Smoothing: loess, rloess, loewes, rlowess.
  * Robust Local Regression
  * Przykład {{dydaktyka:aniss:cw7_6.m}}.
JM

Narzędzia użytkownika

Narzędzia witryny

Narzędzia strony
