Preview

Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ

Расширенный поиск

АНАЛИЗ МАЛОЙ ВЫБОРКИ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ ПРИ УПРАВЛЕНИИ ГАЗОСНАБЖЕНИЕМ РЕГИОНА

https://doi.org/10.30724/1998-9903-2018-20-1-2-62-69

Полный текст:

Аннотация

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.

Об авторах

А. М. Кумаритов
Северо-Кавказский горно-металлургический институт (Государственный технологический университет)
Россия

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

Владикавказ



А. Э. Дзгоев
Северо-Кавказский горно-металлургический институт (Государственный технологический университет)
Россия

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

Владикавказ


Р. Б. Шарибов
Северо-Кавказский горно-металлургический институт (Государственный технологический университет)
Россия

Шарибов Ратмир Борисович - аспирант кафедры Информационные системы в экономике.

Владикавказ


Список литературы

1. Никаноров 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.

2. Кривенко М.П. Сравнительный анализ процедур регрессионного анализа // Информатика и ее применения. 2014. Т. 8, вып. 3. С. 70-78.

3. 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.

4. 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.

5. Прилуков А.Н. Идеи толерантного регрессионного анализа и их реализация // Успехи современной науки и образования. 2017. Том 1, № 1. С. 134-136.

6. Радченко С.Г. Статус математических моделей, получаемых с использованием регрессионного анализа // Математические машины и системы. 2016. № 2. С. 138-147.

7. Радченко С.Г. Статистическая эффективность и устойчивость моделей в регрессионном анализе // Математические машины и системы. 2016. № 1. С. 139-147.

8. Сазонов А.А. Применение регрессионного анализа в прогнозировании // Научные исследования и разработки молодых ученых. 2015. № 7. С. 201-204.

9. Радченко С.Г. Использование эвристики в планировании эксперимента и регрессионном анализе // Математические машины и системы. 2015. №3. С. 87-92.

10. 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.


Для цитирования:


Кумаритов А.М., Дзгоев А.Э., Шарибов Р.Б. АНАЛИЗ МАЛОЙ ВЫБОРКИ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ ПРИ УПРАВЛЕНИИ ГАЗОСНАБЖЕНИЕМ РЕГИОНА. Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2018;20(1-2):62-69. https://doi.org/10.30724/1998-9903-2018-20-1-2-62-69

For citation:


Kumaritov A.M., Dzgoev A.E., Sharibov R.B. ANALYSIS OF A SMALL SAMPLE OF EXPERIMENTAL DATA IN THE MANAGEMENT OF GAS CONSUMPTION IN THE REGION. Power engineering: research, equipment, technology. 2018;20(1-2):62-69. (In Russ.) https://doi.org/10.30724/1998-9903-2018-20-1-2-62-69

Просмотров: 92


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1998-9903 (Print)