ร่วมมือ นิ่ง อัต เคลื่อนไหว เฉลี่ย โมเดล

Bootstrapping stationary autoregressive moving-average models ที่ระบุโดยทิศทางลมที่สังเกตได้ล่าสุดในบริเวณที่น่าสนใจ ชุดของความเร็วลมในอนาคตได้รับการพัฒนาแล้วโดยใช้ข้อมูลที่ขับเคลื่อนด้วยการบูตตะแกรง 4, 7, 8, 23 โดยไม่ต้องใช้ข้อสมมติฐานทางคณิตศาสตร์ที่ จำกัด และมักไม่สามารถใช้ได้กับข้อมูลความเร็วลม รุ่น BRS ใหม่จะขยายแนวทางที่แนะนำก่อนหน้านี้สำหรับการคาดการณ์ความเร็วลมด้วยวิธีต่างๆ บทคัดย่อ: แม้ว่าพลังงานลมที่สะอาดและยั่งยืนได้รับการยอมรับว่าเป็นแหล่งพลังงานไฟฟ้าที่น่าสนใจที่สุดแห่งหนึ่ง แต่การผลิตไฟฟ้าจากพลังงานลมยังคงง่ายกว่าการรวมกิจการเข้าด้วยกันในตลาดไฟฟ้าที่เปิดเสรี หนึ่งในอุปสรรคสำคัญในการดำเนินงานของพลังงานลมที่กว้างขึ้นมีลักษณะผันผวนและไม่สม่ำเสมอ สิ่งนี้กระตุ้นให้เกิดการคาดการณ์ความเร็วลมอย่างน่าจะเป็นไปได้โดยมีวัตถุประสงค์เพื่อประเมินความไม่แน่นอนที่เกี่ยวข้องหลายอย่าง อย่างไรก็ตามวิธีการที่มีอยู่สำหรับการสร้างความหนาแน่นของคำทำนายในอนาคตสำหรับความเร็วลมจะขึ้นอยู่กับสมมติฐานการกระจายพาราเมตริกของข้อมูลลมที่สังเกตได้และเงื่อนไขดังกล่าวมักจะมีข้อ จำกัด และไม่สามารถปฏิบัติได้จริงในทางปฏิบัติ ในบทความนี้เราเสนอวิธีการใหม่ที่ไม่ใช่ข้อมูลเชิงปริมาณเพื่อพยากรณ์ความสามารถในการพยากรณ์ความเร็วของลมโดยการรวมแบบจำลองการกระพริบของตะแกรงและแบบจำลองการสลับระบบ รูปแบบการเปลี่ยนระบบการยกระดับการบูตเครื่องแบบใหม่ (BRS) ของเรามีการคาดการณ์ความเร็วลมที่มีการแข่งขันสูงและมีการปรับเทียบการคาดการณ์ความเร็วลมภายใต้สภาวะต่างๆของทิศทางลมและกำหนดความต้องการน้อยที่สุดสำหรับข้อมูลลมที่สังเกตได้ วิธีการที่นำเสนอนี้แสดงให้เห็นโดยการพัฒนาการคาดการณ์ความเร็วลมที่น่าจะเป็นของพื้นที่ในรัฐวอชิงตันมลรัฐสหรัฐอเมริกา บทที่ 2016 ขั้นตอนการพลังงาน Yulia R. Gel Vyacheslav Lyubchich S. Ejaz Ahmed อย่างไรก็ตามวิธีสุ่มนี้ไม่สามารถรับประกันโครงสร้างความสัมพันธ์ชั่วคราวเพื่อที่จะไม่สามารถสะท้อนถึงคุณสมบัติทางสถิติของความผันผวนในระยะสั้นได้ ในบทความนี้เราจะแนะนำวิธีการสองวิธีในการสร้างลำดับความผันผวนที่เป็นไปได้หนึ่งขึ้นอยู่กับวิธีบูตแบบเฉลี่ย ARMA (autoregressive average average) (ค่าเฉลี่ยอัตโนมัติ) (ARMA) และอีกวิธีหนึ่งคือการใช้วิธีบูตแบบบล็อก (Block bootstrap approach) 5. วิธีการเดิมได้ถูกนำมาใช้ใน ผลงานก่อนหน้านี้ 6. บทคัดย่อ abaint abstracts บทคัดย่อ: ความผันผวนที่ไม่คาดคิดของผลผลิตพลังงานลมจะกลายเป็นปัญหาร้ายแรงจากมุมมองของอุปทานคงที่สำหรับตารางไฟฟ้า การใช้ระบบแบตเตอรีที่ติดตั้งอยู่ในตารางเพื่อลดความผันผวนในระยะสั้นเป็นแนวทางใหม่สำหรับการรักษาเสถียรภาพของสายส่งไฟฟ้า ในบทความนี้เราเสนอวิธีการสร้างโปรไฟล์พลังงานลมสังเคราะห์ที่มีความละเอียดสูงสำหรับการจำลองการไหลของกระแสไฟฟ้าซึ่งมีวัตถุประสงค์เพื่อประเมินผลกระทบของความผันผวนของพลังงานลมและระบุระบบแบตเตอรี่ที่ต้องการ เราได้แสดงให้เห็นถึงความเป็นไปได้ของโปรไฟล์ลมพลังลมจากมุมมองของสมบัติทางสถิติ บทความฉบับเต็มพฤศจิกายน 2016 Seigo Furuya Yu Fujimoto Noboru Murata Yasuhiro Hayashi quot เหตุผลสำหรับการบูตพารามิเตอร์คือในกรอบของ Dufour et al. (2010) ข้อผิดพลาดจะถูก จำกัด และ bootstart พารามิเตอร์รักษาข้อ จำกัด อีกวิธีหนึ่งก็คือการใช้ขั้นตอนการบู๊ตที่ไม่ใช้พาราเมตริกที่เหลืออยู่ (ดู Kreiss และ Franke 1992 และ Kreiss 1997) บทคัดย่อ: การทดสอบแบบคูณด้วยลากรองจ์แบบผสมผสาน (LM) สำหรับข้อผิดพลาดแบบมีส่วนร่วม (ARCH) ในโมเดลเชิงอัตรกรรมเชิงเส้น (VAR) แบบอัตโนมัติจะถูกนำเสนอโดยการแทนที่มอนติคาร์โลที่ถูกต้อง MC) โดยการทดสอบบู๊ตอัพ MC เมื่อโมเดลมีความล่าช้า การทดสอบนี้หลีกเลี่ยงปัญหาเรื่องมิติสูงในการทดสอบหลายตัวแปรสำหรับ ARCH ในรูปแบบ VAR เพียงต้องการสถิติเดียวที่คำนวณได้ ข้อดีของการคำนวณคือจำนวนพารามิเตอร์ที่จะประมาณขึ้นอยู่กับขนาดของกระบวนการ VAR การทดสอบ MC bootstrap แสดงให้เห็นว่ามีความสมเหตุสมผล แบบจำลอง Monte Carlo แสดงให้เห็นว่าการทดสอบมีคุณสมบัติเป็นตัวอย่างที่ดี การทดสอบมีประสิทธิภาพเทียบกับการแจกแจงข้อผิดพลาดที่ไม่ปกติ การนำเสนอทางการเงินของการทดสอบ LM หลายตัวแปรสำหรับ ARCH ต่อราคาเปลี่ยนแปลงเครดิต (CDS) และอัตราดอกเบี้ย Euribor ผลการทดสอบแสดงให้เห็นว่าข้อผิดพลาดจะเบ้และหางยาวและมีผล ARCH ที่สำคัญ บทความฉบับเต็มพฤศจิกายน 2016 พี. เอส. Catani N. J.C. AhlgrenBootstrapping periodogram และ crossogramogram สถิติของโมเดลเฉลี่ยเคลื่อนที่แบบอัตถดถอยเชิงอนุพันธ์ Efstathios Paparoditis ภาควิชาคณิตศาสตร์และสถิติมหาวิทยาลัยไซปรัส Kallipoleos 75, P. O. มีการกล่าวถึงคุณสมบัติบางประการของกระบวนการ bootstrap ที่ใช้ในการประเมินการกระจายตัวของแมทริกซ์ periodogram สำหรับตัวอย่างที่ได้จากกระบวนการเคลื่อนที่โดยเฉลี่ยแบบเคลื่อนที่อัตโนมัติแบบสเตริโอ ช่วงเวลาการบูสต์โรสเฟียร์เมตริกซ์เวกเตอร์กระบวนการเฉลี่ยอัตรกรรมเชิงอนุพันธ์โดยลิขสิทธิ์ พ. ศ. 2539 ตีพิมพ์โดย Elsevier B. V. บทความที่อ้างถึง () บูตโปรเจกต์โมเดลเฉลี่ยถ่วงน้ำหนักสรุปในช่วงไม่กี่ปีที่ผ่านมาวิธีบูตสตาร์ทได้ถูกขยายไปถึงการวิเคราะห์อนุกรมเวลาที่สังเกตมีความสัมพันธ์กันเป็นลำดับ ผลงานได้มุ่งเน้นไปที่รูปแบบ autoregressive ที่สร้างทางเลือกใหม่การสุ่มตัวอย่าง ในทางตรงกันข้ามนอกเหนือจากการใช้งานเชิงประจักษ์แล้วความสนใจน้อยมากยังได้รับความสนใจจากความเป็นไปได้ที่จะขยายการใช้วิธีการ bootstrap ไปเป็นค่าเฉลี่ยเคลื่อนที่ที่แท้จริง (MA) หรือแบบผสม ARMA ในบทความนี้เราจะนำเสนอขั้นตอนการบู๊ตบูสใหม่ซึ่งสามารถนำมาประยุกต์ใช้ในการประเมินสมบัติการแจกจ่ายของค่าประมาณค่าเฉลี่ยเคลื่อนที่ที่ได้จากวิธีการแบบรูปสี่เหลี่ยมผืนผ้าน้อยที่สุด เราพูดถึงวิธีการและข้อ จำกัด ของการใช้งาน สุดท้ายประสิทธิภาพของวิธีบูตจะถูกเปรียบเทียบกับวิธีการแข่งขันที่ได้รับจากการจำลองแบบมอนติคาร์โล คุณต้องการอ่านส่วนที่เหลือของบทความนี้ บทคัดย่อ: ลักษณะซับซ้อนของระบบหลายตัวแปรอาจทำให้เกิดความสัมพันธ์และโครงสร้างความแปรปรวนที่เปลี่ยนแปลงไปตามกาลเวลา การวิเคราะห์องค์ประกอบหลักที่ราบรื่นถูกนำเสนอเป็นวิธีการตรวจสอบว่าโครงสร้างของความแปรปรวนร่วมของตัวแปรการตอบสนองหลายตัวมีการเปลี่ยนแปลงตลอดเวลาหลังจากลบฟังก์ชันที่ราบรื่นสำหรับค่าเฉลี่ยและนี่เป็นแรงบันดาลใจและแสดงโดยใช้ข้อมูลจากการศึกษาเทคโนโลยีอากาศยานและ ทะเลสาบระบบนิเวศ ขั้นตอนการอนุมานจะถูกตรวจสอบในกรณีของข้อผิดพลาดที่เป็นอิสระและขึ้นอยู่กับขั้นตอน bootstrapping เสนอเพื่อตรวจสอบการเปลี่ยนแปลงในทิศทางหรือความแปรปรวนของส่วนประกอบ บทความพฤศจิกายน 2012 แคลร์มิลเลอร์เอเดรียนโบว์แมนแสดงบทคัดย่อซ่อนบทคัดย่อบทคัดย่อ: เราได้ให้เหตุผลเชิงทฤษฎีเกี่ยวกับการเคลื่อนที่แบบเฉลี่ยระดับการเคลื่อนที่ด้วยความเร็วต่ำ (VARMA) โดยใช้วิธีเชิงเส้น ความถูกต้องตามมาของ bootstrap เกิดขึ้นได้ด้วยสัญญาณรบกวนสีขาวที่แรงขึ้นภายใต้สมมติฐานเชิงพาราเมตริกและ nonparametric วิธีการของเราเป็นประโยชน์และเป็นประโยชน์สำหรับการสร้างการอนุมานและการคาดการณ์ที่เชื่อถือได้โดยใช้เทคนิคการประมาณค่าเชิงเส้นเช่น ML ซึ่งมักเป็นภาระหนักเวลาที่กำหนดหรือใช้งานไม่ได้โดยเฉพาะอย่างยิ่งในระบบใหญ่หรือแบบถาวร ความเกี่ยวข้องของขั้นตอนของเราจะเด่นชัดมากขึ้นในบริบทของเทคนิคการจำลองแบบไดนามิกเช่นการทดสอบ Monte Carlo (MMC) ที่มีขนาดใหญ่ที่สุดดู Dufour J-M การทดสอบแบบมอนติคาร์โลกับพารามิเตอร์ที่ก่อให้เกิดความรำคาญ: แนวทางทั่วไปในการอนุมานแบบ จำกัด ตัวอย่างและการไม่สมมาตรที่ไม่เป็นไปตามมาตรฐานทางเศรษฐมิติ เจเศรษฐศาสตร์ 2006133 (2): 443-477 และ Dufour J-M, Jouini T. การทดสอบแบบจําลอง finite-sample ในโมเดล VAR และการประยุกต์ใช้ในการทดสอบความเป็นเหตุบังเอิญของเกรนเจอร์ เจเศรษฐศาสตร์ 2006135 (1-2): 229-254 สำหรับกรณี VAR หลักฐานการจำลองแสดงให้เห็นว่าเมื่อเทียบกับแบบ asymptotics แบบเดิมวิธีการบูตของเรามีคุณสมบัติตัวอย่าง จำกัด ที่ดีในการประมาณค่าการแจกแจงค่าพารามิเตอร์ VARMA ของระดับการศึกษาที่เป็นจริงและในการให้ระดับความมั่นใจของพารามิเตอร์ระดับความน่าเชื่อถือ บทคัดย่อ: ในการศึกษาครั้งนี้เรานำเสนอโครงสร้างแบบอัลกอริธึมที่อิงกับตรรกะคำอธิบายประกอบแบบ Paraconsistent (PAL) ที่สามารถจำลองค่าเฉลี่ยของค่าเฉลี่ยที่มีอยู่ในชุดข้อมูลและตรวจหารูปแบบของค่าเฉลี่ยโดยใช้ PAL เท่านั้น แนวคิด เราเรียกโครงสร้างนี้ว่าเป็นโครงข่ายประสาทเทียมแบบ paraconsistent เพื่อดึงค่าเฉลี่ยเคลื่อนที่ (PANnet (mathrm)) เป็นตัวอย่างของการประยุกต์ใช้เราใช้ PANnet (mathrm) เพื่อช่วยในการวิเคราะห์ดัชนีคุณภาพผลิตภัณฑ์ขั้นสุดท้ายที่เกี่ยวข้องกับวิศวกรรมไฟฟ้า เพื่อให้ได้ผลสุดท้ายเราใช้ PANnet เพื่อคำนวณพฤติกรรมทางสถิติของการควบคุมกระบวนการทางสถิติ (SPC) โดยการเปรียบเทียบค่าที่ได้จากการจัดอันดับที่กำหนดมาตรฐานดัชนีคุณภาพตามการกระจายพลังงานไฟฟ้า ขั้นแรกให้ทำการทดสอบโดยใช้ข้อมูลที่มีค่าสุ่มเพื่อตรวจสอบพฤติกรรมของ PANnet (mathrm) และกำหนดจำนวนขั้นตอนวิธีที่เหมาะสมเพื่อสร้างโครงสร้างการคำนวณที่ดีที่สุด จากนั้นเราใช้ฐานข้อมูลที่มีค่าแรงดันไฟฟ้าที่เกิดขึ้นจริงจากระบบไฟฟ้าของกริดไฟฟ้าในบราซิล ในการทดสอบต่างๆ PANnet (mathrm) สามารถตรวจจับการเปลี่ยนแปลงและรูปแบบของแรงดันไฟฟ้าในสายส่งไฟฟ้า 220-V ได้อย่างเหมาะสม ผลการวิจัยแสดงให้เห็นว่าสามารถใช้ PANnet (mathrm) เพื่อสร้างสถาปัตยกรรมที่มีประสิทธิภาพในการกำหนดและตรวจสอบคะแนนคุณภาพด้วยการใช้งานในด้านวิศวกรรมต่างๆโดยเฉพาะอย่างยิ่งสำหรับการตรวจสอบดัชนีคุณภาพในเครือข่ายการจำหน่ายไฟฟ้า บทที่ 1 มกราคม 2556 วารสารการคำนวณทางสถิติและการจำลองสถานการณ์การเลือกรูปแบบการย้ายถิ่นฐานที่เป็นอิสระตัวเลือกในการเข้าถึงเนื้อหานี้: หากคุณเป็นสมาชิกในสังคมหรือสมาคมและต้องการความช่วยเหลือในการขอคำแนะนำในการเข้าถึงออนไลน์โปรดติดต่อทีมงานบริการลูกค้าสัมพันธ์ของเรา wiley. forceInterfaceContactJournalCustomerServicesV2 หากสถาบันของคุณไม่ได้สมัครสมาชิกเนื้อหานี้โปรดแนะนำชื่อให้บรรณารักษ์ของคุณ เข้าสู่ระบบผ่านตัวเลือกการล็อกอินสถาบันอื่น onlinelibrary. wileylogin-options คุณสามารถซื้อการเข้าถึงบทความออนไลน์นี้ได้เป็นระยะเวลา 24 ชั่วโมง (ราคาแตกต่างกันไปตามชื่อ) หากคุณมีห้องสมุด Wiley Online หรือ Wiley InterScience ให้ลงชื่อเข้าใช้และดำเนินการซื้อบทความต่อไป ผู้ใช้ใหม่: โปรดลงทะเบียนแล้วดำเนินการต่อเพื่อซื้อบทความ ค้นหาสถาบันของคุณด้านล่างเพื่อเข้าสู่ระบบผ่าน Shibboleth ลงทะเบียนเพื่อ: บันทึกสิ่งพิมพ์บทความและค้นหารับการแจ้งเตือนทางอีเมลรับสิทธิประโยชน์ทั้งหมดที่ระบุไว้ด้านล่าง