Вивчення особливостей оцінки суттєвості рівняння регресії в цілому. Прогнозування електроспоживання за допомогою кореляційно-регресійного аналізу та теорії ймовірностей на перспективу на прикладі киснево-компресорного цеху ПАТ "Запоріжсталь-АГ".
Аннотация к работе
Левченко Сергій Андрійович, кандидат технічних наук, доцент ПРОГНОЗУВАННЯ ВИТРАТ ЕЛЕКТРИЧНОЇ ЕНЕРГІЇ В ЗАЛЕЖНОСТІ ВІД ОБЄМІВ ВИГОТОВЛЕНОЇ ПРОДУКЦІЇ В статті розглянуто прогнозування електроспоживання за допомогою кореляційно-регресійного аналізу та теорії ймовірностей на перспективу на прикладі киснево-компресорного цеху ПАТ “Запоріжсталь-АГ”. Левченко Сергей Андреевич, кандидат технических наук, доцентПри достатньому об’ємі статистичних даних, проблему підвищення точності прогнозування графіків електричного навантаження доцільно вирішити шляхом виявлення залежності між обємами виготовленої продукції та відповідними витратами електроенергії за допомогою кореляційно-регресійного аналізу. За допомогою засобів MS Excel в якості регресійного рівняння для математичного опису залежності між обємами виготовленої продукції та відповідними витратами електричної енергії було підібрано степеневу функцію, яка найбільш точно відповідає статистичним даним: yx ? a? xb ?? , (1) ? де x - об’єм виготовленої продукції; a - коефіцієнт рівняння регресії, який показує витрати електроенергії на холостому ході; b - коефіцієнт рівнянні регресії, який показує середню зміну витрат електроенергії із зміною об’єму виготовленої продукції на одну одиницю; Для оцінки параметрів регресійного рівняння використано підхід, заснований на лінеаризації моделі, який полягає в тому, що за допомогою належних перетворень вихідних змінних досліджувану нелінійну залежність представляють у вигляді лінійного співвідношення між перетвореними змінними, а саме - про логарифмувавши обидві частини рівняння та замінив змінні: y* ? a* ?b* ?x* ??* , (2) де y* = lg yx ; x* = lgx; а* = lga; b* = b; ?* = lg?. ? Для оцінки долі дисперсії, поясненої рівнянням регресії, розраховується коефіцієнт детермінації, який свідчить про правильність підібраної моделі регресії і дорівнює квадрату індексу кореляції R2.