@ARTICLE{Nowak_Bogdan_Prognozowanie_2019,
 author={Nowak, Bogdan and Bartnicki, Grzegorz},
 number={Nr 109},
 journal={Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi Polskiej Akademii Nauk},
 pages={93-110},
 address={More info at Journal site: https://min-pan.krakow.pl/wydawnictwo/czasopisma/zeszyty-naukowe-instytutu-surowcami-mineralnymi-i-energia-pan/ https://min-pan.krakow.pl/wydawnictwo/wp-content/uploads/sites/4/2018/02/Wskazowki-ZN-ang-2018.pdf},
 howpublished={online},
 year={2019},
 publisher={Instytut Gospodarki Surowcami Mineralnymi Polskiej Akademii Nauk},
 abstract={Działania mające na celu poprawę efektywności energetycznej systemów zaopatrzenia w ciepło wymagają korzystania z coraz bardziej złożonych metod. Podstawowe sposoby zmniejszenia zużycia ciepła poprzez stosowanie lepszej izolacji cieplnej mają coraz bardziej ograniczone możliwości i wymagają stosunkowo dużych nakładów finansowych. Dobre efekty mogą być osiągane przez coraz lepsze dopasowanie rozwiązań technicznych, sposobów regulacji czy zasad eksploatacji źródła ciepła do warunków konkretnego obiektu zasilanego w ciepło. Wymaga to jednak zarówno badań identyfikujących skuteczność takich metod, jak i narzędzi służących do opisu wybranych elementów systemu czy jego całości. Artykuł przedstawia wyniki badań przeprowadzonych dla kotłowni gazowej zasilającej w ciepło grupę budynków mieszkalnych. Celem było zbudowanie modelu, który prognozowałby dla konkretnego dnia przedział czasowy, w którym występuje maksymalne zużycie gazu. Dysponując pomiarami zużycia gazu w kolejnych godzinach doby, zdecydowano się zbudować model prognostyczny wyznaczający tę część doby, w której takie maksimum wystąpi. W opracowanym modelu zdecydowano się zastosować procedurę lasów losowych (random forest). Do utworzenia modelu zastosowano pakiet mlr (Kassambara), w którym przeprowadzono również strojenie hiperparametrów modelu na bazie danych historycznych. W oparciu o odrębne dane dla innego okresu działania kotłowni przedstawiono wyniki oceny jego jakości. Uzyskano skuteczność niemal 44%. Strojenie modelu wpłynęło na poprawę jego zdolności predykcyjnych.},
 type={Artykuły / Articles},
 title={Prognozowanie przedziału czasowego z maksymalnym w ciągu doby z użyciem gazu przez kotłownię},
 URL={http://journals.pan.pl/Content/113652/PDF/Nowak-Bartnicki.pdf},
 doi={10.24425/znigsme.2019.130166},
 keywords={zużycie gazu, model prognostyczny, random forest},
}