Заглавие с титульного листа

Электронная версия печатной публикации

[Библиогр.: с. 105-106 (23 назв.)]

Актуальность работы обусловлена наличием пропущенных данных в показаниях приборов учета энергии. Цель работы: обоснование выбора метода восстановления пропущенных данных об энергопотреблении на промышленных предприятиях. Методы исследования: модели рассчитываются с помощью приложения Curve Fitting Toolbox программного комплекса "Matlab 7.0". В состав библиотеки графических моделей Curve Fitting Toolbox входит приложение cftool, которое позволяет определить параметрическую модель (например, функции экспоненциальную Exp, полиномиальную Polynomial, рациональную RAT, а также сумму синусоидальных функций SumSin), выполнить подбор параметров, анализ пригодности приближения, отобразить результат графически. В библиотеке графических моделей Curve Fitting Toolbox определяются методом перебора модели из более чем 50 различных математических функций. Результаты: Рассмотрены особенности простых и сложных методов восстановления данных с дальнейшим оцениванием их ошибок (погрешностей). Указаны способы повышения точности n-факторных моделей. Исследованы прямые и обратные зависимости восстановления утерянных учетных данных на примере химического предприятия. Обоснованы оптимальные диапазоны исследования исходных выборок данных. Также предусмотрены варианты определения наиболее рациональных методов восстановления значений в единичных случаях их отсутствия.

Relevance of the work is caused by the presence of missing data in the readings of energy meters. The main aim of the research is to study the choice of method for recovering missing data on energy consumption in industry. The methods used in the study: the models are calculated using the application Curve Fitting Toolbox of the software complex "Matlab 7.0". The library of graphical models Curve Fitting Toolbox includes an application cftool, which allows defining a parametric model (such as, exponential function Exp, polynomial Polynomial, rational RAT, as well as the sum of sinusoidal functions SumSin), selecting parameters, analyzing approach suitability, displaying the result graphically. In the library of graphical models Curve Fitting Toolbox the models from more than 50 different mathematical functions are determined by search method. The results: The paper describes the features of simple and complex data recovery methods with further estimation of their errors and indicates the ways to improve the accuracy of n-factor models. The authors have studied direct and inverse dependences of recovering lost accounting data for a chemical enterprise. The optimal limits of initial research data samples are proved. The paper also provides options for defining the best methods for value recovery in cases of their absence.

Adobe Reader