Prognozowanie i analiza danych w energetyce


Opis szkolenia: Kurs adresowany jest do wszystkich osób, które przygotowują prognozy zapotrzebowania na energię elektryczną lub cieplną i jej przyszłego zużycia – w elektrowniach, elektrociepłowniach, zakładach energetycznych itp. Od podstaw wprowadza niezbędne pojęcia statystyczne, a następnie kolejne metody analityczne: analizę regresji, metody prognozowania szeregów czasowych, prognozowanie za pomocą sieci neuronowych, a także metody klasyfikacji. Na kursie poruszane będą nie tylko zagadnienia prognozowania, ale także klasyfikacyjne, np. wyodrębnianie grup klientów o podobnych cechach. Na kursie zostaną wykorzystane rzeczywiste dane pochodzące z polskich przedsiębiorstw.

Wymagania: umiejętność obsługi komputera w środowisku Windows.

Kontynuacją mogą być np. szkolenia: Data mining – kurs podstawowyData mining – metody predykcyjneSieci neuronowePraktyczne zastosowania technik regresyjnych w STATISTICA.

Terminy szkoleń:

Program szkolenia:

  1. Wprowadzenie do statystycznej analizy danych

    • Podstawowe pojęcia
    • Zakres zastosowań metod statystycznych
  2. Wybrane operacje na danych

    • Import arkusza MS Excel i sposoby sprawdzania poprawności danych
    • Czyszczenie danych
  3. Elementy statystyki opisowej

    • Badanie rozkładu zmiennych
    • Charakterystyki liczbowe rozkładu zmiennej
    • Analiza statystyk opisowych w grupach
  4. Elementy wnioskowania statystycznego

    • Testowanie hipotez statystycznych
    • Przykłady weryfikacji hipotez statystycznych
  5. Wybrane metody analizy współzależności pomiędzy zmiennymi

    • Wprowadzenie
    • Elementy analizy korelacyjnej
    • Regresja liniowa dwóch zmiennych (regresja prosta)
    • Regresja wieloraka

      • Metody budowy modeli
    • Estymacja modeli nieliniowych
  6. Metody prognozowania szeregów czasowych – wprowadzenie

    • Składniki szeregu czasowego
    • Metody prognozowania
    • Miary oceny trafności prognoz
  7. Analiza trendu

    • Średnie ruchome
    • Analityczna metoda wyodrębniania trendu
    • Eliminacja trendu
  8. Analiza wahań okresowych

    • Sezonowość addytywna i multiplikatywna
    • Metoda Census I
    • Eliminacja wahań okresowych
  9. Zastosowanie modeli regresji w prognozowaniu szeregów czasowych

    • Trendy
    • Modele ze zmiennymi zerojedynkowymi
    • Modele autoregresji
    • Uwzględnianie informacji ze zmiennych dodatkowych
    • Trendy jednoimiennych okresów
  10. Modele ARIMA

    • Struktura modelu
    • Doprowadzanie analizowanego procesu do stacjonarności
    • Poszukiwanie dopuszczalnego modelu
    • Weryfikacja modelu
  11. Wyrównywanie wykładnicze

    • Zasady wyrównywania wykładniczego
    • Wybór modelu
    • Ocena wyników
  12. Analiza skupień

    • Podstawy analizy skupień
    • Wybór miary odległości, metody i strategii grupowania
    • Metoda Warda i metoda k-średnich
    • Zastosowanie metod analizy skupień w analizie szeregów czasowych
  13. Analiza obserwacji ekstremalnych i nietypowych

    • Analiza dyskryminacyjna
    • Modele logitowe
  14. Sieci neuronowe

    • Neuron i jego budowa
    • Sieć neuronowa – architektura, funkcje aktywacji i błędu
    • Uczenie sieci
    • Zalety sieci i zagrożenia związane z ich stosowaniem
    • Neuronowe modele regresyjne
    • Wykorzystanie sieci do prognozowania szeregów czasowych
    • Techniki klasyfikacji wzorcowej