Analiza doboru predyktorów pogodowych do prognozowania zmiennych zależnych w budownictwie
Artykuł w czasopiśmie
MNiSW
10
Lista B
| Status: | |
| Warianty tytułu: |
Analysis of the selection of weather predictors to forecast dependent variables in the construction industry
|
| Autorzy: | Rogalska Magdalena |
| Rok wydania: | 2014 |
| Wersja dokumentu: | Elektroniczna |
| Język: | polski |
| Numer czasopisma: | 6 |
| Strony: | 9111 - 9118 |
| Bazy: | BazEkon | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Otwarte czasopismo |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | Po opublikowaniu |
| Abstrakty: | polski | angielski |
| W artykule podjęto próbę znalezienia takiego miernika stanu pogody, który obliczeniowo wykazywałby bardzo wysoką skuteczność prognozowania. Analizowano możliwość wykorzystania wielu danych pogodowych jako zmiennych niezależnych. W wyniku przeprowadzonych obliczeń ogólną metodą drzew klasyfikacyjnych i regresyjnych, metodą uogólnionych modeli addytywnych i regresji wielorakiej, metodą dekompozycji sezonowej, opóźniania szeregów czasowych wytypowano jako najlepszą zmienną temperaturę potencjalną. Dana ta charakteryzuje się tym, że jest wielkością zachowawczą przy zmianach adiabatycznych atmosfery, posiada wyraźnie widoczny trend wielomianowy oraz okresowość danych. Wykazano możliwość prognozowania jej wartości przyszłych z bardzo niewielkim błędem MAPE 0,41%. | |
| Weather conditions have a significant impact on the way the design, construction and maintenance of buildings in Poland. Selection weather independent variables have a significant impact on the quality of prediction of dependent variables related to construction . The ability to use multiple weather data was analyzed. Calculations were performed using the general method of classification and regression trees, generalized additive models and multiple regression method, seasonal decomposition, delaying the time series. Potential temperature were selected as the best variable for forecasting. The potential temperature is conservative with changes in adiabatic atmosphere, has a clearly visible polynomial trend and the periodicity of the data. It has been shown the possibility of forecasting the future value with very little error MAPE= 0.41%. Although not the most popular measure of the weather conditions, has a very high computational efficiency. |
