Prognozowanie i analiza danych w energetyce

Opis kursu: 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. kursy: Data mining I - kurs podstawowy, Data mining II b - modele i metody, Sieci neuronowe, Praktyczne zastosowania technik regresyjnych w STATISTICA.

Termin: 13-14-15-16.03.2012

Program kursu:

Wprowadzenie do statystycznej analizy danych
- Podstawowe pojęcia
- Zakres zastosowań metod statystycznych
Wybrane operacje na danych
- Import arkusza MS Excel i sposoby sprawdzania poprawności danych
- Czyszczenie danych
Elementy statystyki opisowej
- Badanie rozkładu zmiennych
- Charakterystyki liczbowe rozkładu zmiennej
- Analiza statystyk opisowych w grupach
Elementy wnioskowania statystycznego
- Testowanie hipotez statystycznych
- Przykłady weryfikacji hipotez statystycznych
Wybrane metody analizy współzależności pomiędzy zmiennymi
- Wprowadzenie
- Elementy analizy korelacyjnej
- Regresja liniowa dwóch zmiennych (regresja prosta)
- Regresja wieloraka
  - Metody budowy modeli
- Estymacja modeli nieliniowych
Metody prognozowania szeregów czasowych - wprowadzenie
- Składniki szeregu czasowego
- Metody prognozowania
- Miary oceny trafności prognoz
Analiza trendu
- Średnie ruchome
- Analityczna metoda wyodrębniania trendu
- Eliminacja trendu
Analiza wahań okresowych
- Sezonowość addytywna i multiplikatywna
- Metoda Census I
- Eliminacja wahań okresowych
Zastosowanie modeli regresji w prognozowaniu szeregów czasowych
- Trendy
- Modele ze zmiennymi zerojedynkowymi
- Modele autoregresji
- Uwzględnianie informacji ze zmiennych dodatkowych
- Trendy jednoimiennych okresów
Modele ARIMA
- Struktura modelu
- Doprowadzanie analizowanego procesu do stacjonarności
- Poszukiwanie dopuszczalnego modelu
- Weryfikacja modelu
Wyrównywanie wykładnicze
- Zasady wyrównywania wykładniczego
- Wybór modelu
- Ocena wyników
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
Analiza obserwacji ekstremalnych i nietypowych
- Analiza dyskryminacyjna
- Modele logitowe
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