Análisis estadístico del consumo de agua urbana para el sector empresarial administrativo

Autores/as

  • Gul’naz I. Galimova Kazan Federal University, Naberezhnye Chelny Institute
  • Dinar T. Yakupov Kazan National Research Technical University named after A.N. Tupolev – KAI

Palabras clave:

Consumo diario de agua, hilera dinámica de tiempo, análisis de regresión, autocorrelación, pronóstico.

Resumen

En este trabajo, se considera el pronóstico estadístico del consumo diario de agua del sector administrativo y comercial de la ciudad para lo que se ofrece la técnica que incluye 5 etapas. De acuerdo con esta técnica, en la primera etapa la elección del conjunto de estadísticas que influyen en el volumen de consumo de agua es derivada, se recopilan los datos estadísticos básicos (BSD). Además, se calculan las principales características estadísticas de la DSI: estimaciones de la media poblacional, desviaciones cuadráticas promedio, medianas, asimetrías, excesos, errores de cálculo de promedios, asimetrías, excesos. En la siguiente etapa se recibe la ecuación de regresión, se realiza la evaluación del grado de influencia de los factores sobre el consumo de agua en su peso específico y los coeficientes de elasticidad, se realiza la previsión sobre la base de la ecuación de regresión recibida, la evaluación de la previsión se realiza mediante criterios de R2, MAE, MAPE, MSE, S / y ?. En la quinta etapa, se recibe el modelo aditivo de pronóstico basado en la autocorrelación de los datos básicos de un factor productivo, se ejecuta el pronóstico sobre la base del modelo aditivo recibido y se realiza la evaluación del pronóstico. En la etapa final, se recibe la regresión y el modelo de correlación automática, se ejecuta el pronóstico sobre la base del modelo aditivo recibido y se realiza la evaluación del pronóstico. Sobre la base de la investigación realizada, se llega a la conclusión de que la regresión y el modelo auto correlacionado tienen los mejores valores de los indicadores de precisión, el modelo de regresión es un poco menos exacto, los peores indicadores de precisión corresponden al modelo aditivo.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Gul’naz I. Galimova, Kazan Federal University, Naberezhnye Chelny Institute

Kazan Federal University, Naberezhnye Chelny Institute

Dinar T. Yakupov, Kazan National Research Technical University named after A.N. Tupolev – KAI

Kazan National Research Technical University named after A.N. Tupolev – KAI

Citas

Adamowski, J. F. (2008). Peak daily water demand forecast modeling using artificial neural networks. Journal of Water Resources Planning and Management, 134(2), 119-128.

Anderson, R. L., Miller, T. A., & Washburn, M. C. (1980). Water savings from lawn watering restrictions during a drought year, Fort Collins, Colorado 1. JAWRA Journal of the American Water Resources Association, 16(4), 642-645.

Bougadis, J., Adamowski, K., & Diduch, R. (2005). Short?term municipal water demand forecasting. Hydrological Processes: An International Journal, 19(1), 137-148.

Howe, C. W., & Linaweaver, F. P. (1967). The impact of price on residential water demand and its relation to system design and price structure. Water Resources Research, 3(1), 13-32.

Hughes, T. (1980). Peak period design standards for small western US water supply systems 1. Journal of the American Water Resources Association, 16(4), 661-667.

Maidment, D. R., Miaou, S. P., & Crawford, M. M. (1985). Transfer function models of daily urban water use. Water Resources Research, 21(4), 425-432.

Maidment, D., & Parzen, E. (1984). Monthly water use and its relationship to climatic variables in Texas. Water Resour. Bull, 19(8), 409-418.

Miaou, S. P. (1990). A class of time series urban water demand models with nonlinear climatic effects. Water Resources Research, 26(2), 169-178.

Oh, H. S., & Yamauchi, H. (1974). An economic analysis of the patterns and trends in water consumption within the service area of the Honolulu Board of Water Supply. Univ. of Honolulu Rep, 84.

Zhou, S. L., McMahon, T. A., Walton, A., & Lewis, J. (2000). Forecasting daily urban water demand: a case study of Melbourne. Journal of hydrology, 236(3-4), 153-164.

Descargas

Publicado

2018-12-27

Cómo citar

Galimova, G. I., & Yakupov, D. T. (2018). Análisis estadístico del consumo de agua urbana para el sector empresarial administrativo. Amazonia Investiga, 7(17), 414–425. Recuperado a partir de https://amazoniainvestiga.info/index.php/amazonia/article/view/756

Número

Sección

Articles