Estimation of electricity energy production: Karbala example

Regresyon analizinde temsil edilen istatistiksel tahmin süreçleri ve diğer istatistiksel süreçler, onun hakkında yazdıkları çok sayıda ve farklı türleri ve bölümlerine rağmen, yaşamın eklemlerinin gelişmesiyle daha önemlidir. Özellikle incelenen veriler Çoklu-Eş-doğrusallık probleminden muzdarip olduğunda. Ve günlük hayatımızda, özellikle ekonomik olanlar olmak üzere, bu sorundan muzdarip birçok olgunun varlığı, bu nedenle tez, Sıradan En Küçük Kareler yönteminin (OLS) regresyon modeli olan regresyon katsayılarını tahmin etme yöntemlerini karşılaştırmaya geldi ve sırt regresyon modeli. Çoklu doğrusal modellerin katsayıları, Sıradan En Küçük Kareler yöntemi (OLS) ve sırt regresyon yöntemi kullanılarak tahmin edildi. Varyans şişirme faktörü VIF, problemin model verilerinde olup olmadığını belirlemek için kullanılmıştır. parametre. Farklı yöntemler arasındaki karşılaştırma, ortalama kare hatası MSE, p değeri ve artıklar aracılığıyla yapılır. Yöntemleri pratikte uygulamak için, elektrik enerjisi üretim istasyonlarından birinde elektrik enerjisi üretiminin 50 gözleminden oluşan rastgele bir örnek çizilmiş, elektrik enerjisi üretimini etkileyen faktörleri incelemek için y: Elektrik Enerjisi (tepki değişkeni) ve birkaç bağımsızdır. değişkenler (X1:Kara Yağ, X2: Gazyağı, X3:Motor Yağ, X4:Kimyasallar, X5:Çalışma, X6:İş için Ek Ücret, X7:Ortalama Aylık Sıcaklık)ve çoklu -lineerlik probleminde, Çalışma kapsamındaki verilerimizin regresyon modelini tahmin etmede Ridge regresyon yönteminin sıradan en küçük kareler yöntemine göre daha iyi olduğu sonucuna ulaşılmış, en düşük MSE elde edilmiş ve verilerdeki çoklu doğrusallık sorunu çözülmüştür.