Streszczenie: W pracy zostanie przedstawiona procedura wykorzystania regularnych modeli hierarchicznych w prognozowaniu brakujących danych w szeregach czasowych z wahaniami cyklicznymi o wysokiej częstotliwości obserwowania. Wahania złożone o cyklach: rocznym, tygodniowym i dobowym będą nakładać się na trend w sposób addytywny. Dla wahań o parzystej długości cykli zostały zbudowane osobne regularne modele hierarchiczne. Rozważania teoretyczne zostały zilustrowane przykładem empirycznym dotyczącym zapotrzebowania na energię elektryczną w okresach godzinnych.Słowa kluczowe: dane o wysokiej częstotliwości obserwowania, modele hierarchiczne, niekompletne szeregi czasowe.

Streszczenie: W pracy przedstawione zostaną wyniki wykorzystanie modeli wyrównywania wykładniczego (Browna, Holta i Holta-Wintersa) w postaci addytywnej i multiplikatywnej w prognozowaniu interpolacyjnym i ekstrapolacyjnym zapotrzebowania na moc energetyczną w okresach godzinnych w aglomeracji A na podstawie szeregu z lukami systematycznymi. Podstawą budowy prognoz będą szeregi czasowe, z których wyeliminowano wahania o cyklach: dwunastomiesięcznym, tygodniowym lub także dwudziestoczterogodzinnym. Przeprowadzona zostanie także analiza porównawcza ich dokładności z dokładnością prognoz otrzymanych na podstawie predyktorów opartych na klasycznych modelach szeregu czasowego ze złożonymi wahaniami sezonowymi. Przedstawiona będzie także ocena kryteriów wyboru optymalnych wartości stałych wygładzania w aspekcie budowy prognoz ex ante.Słowa kluczowe: prognozowanie, dane o wysokiej częstotliwości, złożona sezonowość, wyrównywanie wykładnicze, systematyczne luki w danych. Summary:The paper will present the results of the application of the modified additive and multiplicative exponential smoothing models (Brown, Holt and Holt-Winters) in the interpolation and extrapolation forecasting of demand for power energy in the agglomeration A in hour periods, based on time series with systematic gaps. The basis for the construction of forecasts will be time series, from which twelve month, weekly and twenty-four hour fluctuation cycles have been eliminated. Additionally the comparative analysis of accuracy of forecasts built for classical time series models with complex seasonal fluctuations will be conducted. There also will be presented an assess of the criteria for selecting the optimal values of the smoothing constants in terms of building an ex ante forecasts.

No abstract