probenerИзвестия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИPower engineering: research, equipment, technology1998-99032658-5456Kazan State Power Engineering University10.30724/1998-9903-2018-20-1-2-62-69probener-437Research ArticleЭНЕРГЕТИКАPOWER ENGINEERINGАНАЛИЗ МАЛОЙ ВЫБОРКИ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ ПРИ УПРАВЛЕНИИ ГАЗОСНАБЖЕНИЕМ РЕГИОНАANALYSIS OF A SMALL SAMPLE OF EXPERIMENTAL DATA IN THE MANAGEMENT OF GAS CONSUMPTION IN THE REGIONКумаритовА. М.KumaritovA. M.

Кумаритов Алан Мелитонович - доктор технических наук, профессор, заведующий кафедроай Информационные системы в экономике.

Владикавказ

Alan Kumaritov - Dr. Sci. (Tech.), prof. The Chair of Information Systems in Economy, Head of the Chair.

Vladikavkaz

Power74@yandex.ruДзгоевА. Э.DzgoevA. E.

Дзгоев Алан Эдуардович - кандидат технических наук, доцент кафедры Информационные системы в экономике.

Alan Dzgoev - Cand. Sci. (Tech.). The Chair of Information Systems in Economy; Associate Professor, Deputy Head of Chair.

Vladikavkaz

Dzgoev_Alan@mail.ruШарибовР. Б.SharibovR. B.

Шарибов Ратмир Борисович - аспирант кафедры Информационные системы в экономике.

Ratmir Sharibov - Post-graduate student (PG). The Chair of Information Systems in Economy.

Vladikavkaz

r.borisovich14@inbox.ruСеверо-Кавказский горно-металлургический институт (Государственный технологический университет)РоссияNorth-Caucasian Institute of Mining and Metallurgy (State Technological University)Russian Federation201830032018201-26269Copyright © Кумаритов А.М., Дзгоев А.Э., Шарибов Р.Б., 20182018Кумаритов А.М., Дзгоев А.Э., Шарибов Р.Б.Kumaritov A.M., Dzgoev A.E., Sharibov R.B.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.energyret.ru/jour/article/view/437

Проведен анализ малой выборки экспериментальных данных по газопотреблению населением, позволяющий принимать верные решения по прогнозированию газопотребления при управлении газоснабжением в регионе. Разработаны новые полезные адекватные регрессионные модели, которые используются для прогнозирования газопотребления.

Analysis of a small sample of experimental data on gas consumption population, allowing to make the right decisions for forecasting of gas consumption in the management of gas supply to the region. Developed new helpful adequate regression models, which are used for forecasting gas consumption.

малая выборка данныханализ экспериментальных данныхпрогнозирование газопотребленияматематическая статистикарегрессионные моделиsmall data samplethe analysis of experimental datagas consumption forecastingmathematical statisticsregression modelsReferencesНиканоров В.В., Марченко С.Г., Бернер Л.И., Зельдин Ю.М. Подсистема прогнозирования газопотребления крупного промышленного кластера АСУТП магистрального транспорта газа // ИТНОУ: Информационные технологии в науке, образовании и управлении. 2017. № 3. С. 20-24.Nikanorov V.V, Marchenko S.G, Berner L.I, Zeldin Yu.M. Gas Consumption Forecast Subsystem for Large Industrial Hub for Gas Pipelines APCS // ITNO: Information technologies in Science, education and management. No. 3, 2017. p. 20-24.Кривенко М.П. Сравнительный анализ процедур регрессионного анализа // Информатика и ее применения. 2014. Т. 8, вып. 3. С. 70-78.Krivenko M.P. Comparative analysis of regression analysis procedures // Informatics and its applications. Volume 8, issue 3, 2014. 70-78 p.Quinn J., Sugiyama M. A least-squares approach to anomaly detection in static and sequential data // Pattern Recognition Letters, 2014. Vol.40. Pp. 36-40.Quinn J., Sugiyama M. A least-squares approach to anomaly detection in static and sequential data // Pattern Recognition Letters, vol.40, pp.36-40, 2014.Wimalawarne K., Tomioka R., Sugiyama M. Theoretical and experimental analyses of tensorbased regression and classification // Neural Computation. 2016. vol. 28, no. 4, pp.686-715.Wimalawarne K., Tomioka R., Sugiyama M. Theoretical and experimental analyses of tensorbased regression and classification // Neural Computation, vol.28, no.4, P. 686-715, 2016.Прилуков А.Н. Идеи толерантного регрессионного анализа и их реализация // Успехи современной науки и образования. 2017. Том 1, № 1. С. 134-136.Prilukov A.N. Ideas of tolerant regression analysis and their implementation // Advances in modern science and education. Volume 1, No. 1, 2017. P. 134-136.Радченко С.Г. Статус математических моделей, получаемых с использованием регрессионного анализа // Математические машины и системы. 2016. № 2. С. 138-147.Radchenko S.G. Status of Mathematical Models Obtained Using Regression Analysis // Mathematical Machines and Systems. No. 2, 2016. P.138-147.Радченко С.Г. Статистическая эффективность и устойчивость моделей в регрессионном анализе // Математические машины и системы. 2016. № 1. С. 139-147.Radchenko S.G. Statistical efficiency and stability of models in regression analysis // Mathematical machines and systems. No. 1, 2016. P. 139-147.Сазонов А.А. Применение регрессионного анализа в прогнозировании // Научные исследования и разработки молодых ученых. 2015. № 7. С. 201-204.Sazonov A.A. Application of regression analysis in forecasting // Scientific research and development of young scientists. No. 7, 2015. P. 201-204.Радченко С.Г. Использование эвристики в планировании эксперимента и регрессионном анализе // Математические машины и системы. 2015. №3. С. 87-92.Radchenko S.G. Use of heuristics in experiment planning and regression analysis. // Mathematical machines and systems. No. 3, 2015. P. 87-92.Мансурова А.С. Сравнительный анализ методов проверки гипотезы об отсутствии тренда во временном ряду. Актуальные проблемы экономики современной России // Марийский государственный университет, 2016. С. 516-522 с.Mansurova A.S. Comparative analysis of methods for testing the hypothesis of the absence of a trend in the time series. Actual problems of the economy of modern Russia // Mari State University, 2016. P. 516-522.

The authors declare that there are no conflicts of interest present.