خطوط روند و شمعدان های ژاپنی برای پیش بینی سری داده های سرعت باد اعمال می شود

ساخت وبلاگ

یکی از مهمترین موضوعات برای بهره برداری از انرژی باد ، تغییرپذیری بالای منبع است و در نتیجه پیش بینی بسیار دشواری از قدرتی که مزارع بادی می توانند به آن اعطا کنند. از این رو ، ادبیات گسترده ای به سرعت باد و پیش بینی کمی قدرت باد و با استفاده از تکنیک های مختلف اختصاص داده شده است. مدل های آماری و یادگیری گسترده ای که مبتنی بر ادامه در آینده رفتار گذشته این سریال است ، عملکردی را ارائه می دهد که ممکن است وقتی ارزش ها به طور ناگهانی روند خود را تغییر دهند ، بسیار رضایت بخش تر باشند. کاربرد داده های سرعت باد از دو تکنیک که معمولاً برای تجزیه و تحلیل فنی سری مالی - پشتیبانی و شناسایی مقاومت و نمودارهای شمعدانی و شمعدان - در اینجا مورد بررسی قرار می گیرد ، با هدف اصلی شناسایی نقاط وارونگی در این سری. آنها در سری داده های سرعت باد برای دو مکان در اسپانیا و ایتالیا اعمال می شوند. شاخص های پیشنهادی سودمندی آنها را در شناسایی رفتارهای عجیب و غریب در سیستم و شرایطی که انتظار می رود روند تغییر کند ، تأیید می کنند. این اطلاعات اضافی ارائه شده به الگوریتم های پیش بینی نیز ممکن است در رویکردهای نوآورانه ، به عنوان مثال ، بر اساس یادگیری ماشین گنجانده شود.

1. معرفی

انرژی باد یکی از سریعترین انرژی های تجدید پذیر است. این با توجه به پتانسیل بسیار زیاد آن [1] ، با این مزیت اضافی که در سراسر جهان حتی با تفاوت های آشکار بین مناطق توزیع می شود ، تعجب آور نیست. علاوه بر این ، استثمار آن می تواند به راه حل های بالغ از نظر فنی متکی باشد. با این وجود ، موضوعات باز هم ، چه فنی و هم زیست محیطی یا اجتماعی و سیاسی باقی مانده است. در میان اول ، یکی از مهمترین جنبه ها ، تنوع زیاد سرعت باد است که پیش بینی تولید انرژی را بسیار دشوار می کند. به عنوان یک نتیجه ، تعداد بسیار زیادی از مطالعات به مدل ها ، تکنیک ها و الگوریتم ها برای پیش بینی سرعت باد و در نتیجه قدرت تولید از توربین های منفرد یا مزارع بادی اختصاص داده شده است. در واقع ، پیش بینی قدرت با این واقعیت پیچیده تر است که در موارد واقعی رابطه آن با سرعت باد به طور کلی پیچیده تر از تئوری است (قدرت مربوط به مکعب سرعت باد با استفاده از چگالی هوا ، منطقه جارو روتور و ضریب عملکرد)؛منحنی قدرت هواساز ممکن است با پیری توربین یا شرایط آب و هوایی (به عنوان مثال ، در صورت وجود یخ زدن) متفاوت باشد و اختلالات متقابل بین توربین های بادی در یک مزرعه بادی ممکن است علاوه بر سرعت خود به جهت باد نیز بستگی داشته باشد [2،3]بشربا وجود اهمیت آنها ، این جنبه ها از محدوده این مقاله خارج است که به تنهایی روی سرعت باد متمرکز خواهد شد.

ابزارهای پیش بینی از مدل های فیزیکی (امروزه همچنین شامل پویایی سیالات محاسباتی تا mesoscale) تا رویکردهای آماری و تکنیک های هوش مصنوعی است. مقدمه ای برای استفاده بیشترین روش ها را می توان در کتاب ویرایش شده توسط Kariniotakis [4] و در مقاله توسط چانگ [5] یافت ، در حالی که بررسی های مربوط به موضوع را می توان در آثار Koračin و همکاران یافت.[1] ، فولی و همکاران.[6] ، باربوسا د آلنکار و همکاران.[7] ، لاین و همکاران.[8] و لی و همکاران.[9]منابع بیشتر در مورد انواع مختلف مدل های پیش بینی شده را می توان در مقالات توسط Jursa و Rohrig یافت [10] ، Wang et al.[11] و Soman و Zareipour [12]. کار دوم به طور خاص شامل جداول خلاصه جالب در مقیاس های مختلف زمانی و برنامه های مربوطه است. تکنیک های عجیب تر ، به عنوان مثال ، مرتبط با هرج و مرج قطعی یا "وام گرفته شده" از سایر زمینه ها از جمله امور مالی ، در ادبیات نیز شرح داده شده است [13،14]. در سالهای گذشته ، تمرکز عمده ای روی استفاده از الگوریتم های یادگیری و مدل های ترکیبی بوده است [15،16،17،18،19]. منابع بیشتر اختصاص داده شده به آخرین کلاس تکنیک ها را می توان در [19] یافت. موجک ها و مدل های تجزیه نیز مورد آزمایش قرار گرفتند [20،21].

علیرغم استراتژی های مختلف ، تمام تکنیک هایی که بر اساس ادامه در آینده روندهای گذشته استوار است ، شکست می خورند یا حداقل وقتی که ارزش ها به طور ناگهانی جهت خود را تغییر می دهند ، حداقل مشکلات اساسی دارند. در نتیجه پیش بینی این نقاط وارونگی برای اصلاح پیش بینی های مدل یا حداقل "صدور هشدار" در مورد قابلیت اطمینان آنها بسیار مفید خواهد بود. علاوه بر این ، چنین اطلاعاتی ممکن است در رویکردهای نوآورانه پیش بینی ، به عنوان مثال ، بر اساس تکنیک های یادگیری ماشین گنجانده شود.

با این هدف ، دو ابزار معمولاً برای تجزیه و تحلیل سری مالی در این کار مورد آزمایش قرار گرفتند: خطوط پشتیبانی و مقاومت و نمودارهای شمعدانی.

آنها به سری داده های سرعت باد به دست آمده توسط دو ایستگاه هواشناسی ، واقع در Capo Mele (در استان Savona ، Liguria ، ایتالیا) و Los Montes del Cierzo (در نزدیکی Tudela ، Navarra ، اسپانیا) استفاده شدند.

سهم ابتکاری کار این است که آیا این تکنیک ها ، که در ابتدا برای مطالعه موضوعات دیگر تهیه شده اند ، ممکن است بینش مفیدی را در تجزیه و تحلیل سری باد ، یعنی در شناسایی "نقاط" - i. e. ، نمونه های زمان - که در داده ها تغییر می کند ، ارائه دهد. رفتار به احتمال زیاد رخ می دهد. در حال حاضر ، کار محدود به تجزیه و تحلیل پتانسیل های دو تکنیک برای شناسایی نقاط ادامه و وارونگی در این سری است. ترکیبی از تکنیک ها با الگوریتم های پیش بینی ، یا متعارف یا مبتنی بر هوش مصنوعی ، از جمله "کار آینده" برای توسعه این رویکرد خواهد بود.

2. تجزیه و تحلیل فنی

"تجزیه و تحلیل فنی" گروهی از تکنیک ها است که به طور معمول با هدف پیش بینی مقادیر سری داده های مالی با استفاده از ابزارهایی که صرفاً بر رفتار گذشته داده ها (عمدتا قیمت ها و حجم ها) متمرکز شده اند ، پیش بینی می شود [22]. این سعی نمی شود ارزش ذاتی سهام را با استفاده از اطلاعات مربوط به شرکت صادر کننده یا سناریوی میکرو و کلان اقتصادی ارزیابی کنیم ، همانطور که برعکس در به اصطلاح "تحلیل اساسی" انجام شده است. فرض اساسی این است که داده های گذشته می توانند اطلاعات قابل توجهی را برای پیش بینی رفتار آینده ، چه کوتاه مدت و هم میان مدت یا بلند مدت ارائه دهند. از آنجا که تجزیه و تحلیل فنی با اعداد خالص کار می کند ، بدون اینکه به معنای خاص باشد ، دلیل منطقی این کار این است که تکنیک های آن ممکن است در زمینه های دیگر نیز در سری های زمانی اعمال شود. هدف این است که تأیید کنیم که آیا چنین تکنیک هایی - حتی اگر قادر به ارائه پیش بینی کمی نباشند - می توانید اطلاعات مفیدی را در مورد معکوس های سری ارائه دهند. در میان بسیاری از ابزارهای موجود برای تجزیه و تحلیل فنی ، خطوط پشتیبانی و مقاومت و نمودارهای شمعدانی - که می تواند به ویژه برای معکوس و تشخیص مداوم مناسب باشد - برای این کار انتخاب شد. اجرای دو تکنیک در ابزارهای خودکار انجام نشده است. خطوط و شمعدان های روند به صورت دستی در سری مورد بررسی مشخص شدند.

3. خطوط پشتیبانی و مقاومت

تکنیک "خطوط پشتیبانی و مقاومت" مبتنی بر مفهوم روند است ، یعنی جهت کلی که سری داده ها در آن هدایت می شوند [23،24]. برای سری مالی ، معمولاً جهت قیمت است. برای سری باد ، این مسیری است که در آن سریال سرعت باد قرار دارد. برای هر دو مورد ، شناسایی روند به طور کلی دشوار است زیرا سری زمانی همیشه پیچیده تر از خطوط مستقیم است ، با یک سری از اوج و کمترین زمان که با بسیاری از فرکانس های مختلف مختلف مشخص می شوند. برای سرعت باد ، این رفتار دقیقاً همان چیزی است که انرژی باد را برای بهره برداری دشوار می کند.

متفاوت از رگرسیون خطی در آمار ، یک خط روند در تجزیه و تحلیل فنی با اتصال کمترین پایین یا اوج بالاتر ردیابی می شود. صعود وجود دارد که چنین خطی دارای شیب مثبت باشد ، در حالی که یک روند نزولی با یک شیب منفی مشخص می شود. یک روند جانبی یا افقی قله ها و فرورفتگی های این سری را با حرکات به سختی به سمت بالا/رو به پایین نشان می دهد. سری داده ها که برای عبور از خط روند وارد می شوند ممکن است آن را برش دهد یا "گزاف گویی" روی آن. در مورد دوم ، اگر این سریال از بالا وارد شود و به سمت مقادیر بالاتر برگردد ، خط روند "پشتیبانی" نامیده می شود. در مورد مخالف (رویکرد از پایین و بازگشت به مقادیر پایین) ، آن را "مقاومت" می نامند. پس از بازگشت مجدد ، سری زمانی ممکن است دوباره مسیر خود را معکوس کرده و خط روند را دوباره "آزمایش" کند: تعداد زمانهایی که در آن یک سطح پشتیبانی یا مقاومت قادر به مقاومت در برابر عبور است ، قدرت خود را می بخشد.

در امور مالی ، پشتیبانی وجود دارد که تقاضا به اندازه کافی قوی باشد تا از کاهش قیمت بیشتر جلوگیری شود ، در حالی که مقاومت در هنگام فروش ظاهر می شود مانع از افزایش بیشتر قیمت ها می شود. برای سرعت باد ، سطح پشتیبانی و مقاومت خلاصه ای از نشانگرهای حداقل یا حداکثر مقادیری است که سرعت باد ممکن است در یک منطقه خاص به آن برسد (به عنوان مثال ، به دلیل اوروگرافی و محیط اطراف آن: دریا ، دریاچه ها ، شهرها ، درختان ، جنگل ها وجنگل ، خطوط درخت و سازندهای سنگی که موانعی را تشکیل می دهند که قادر به کاهش چشمگیر سرعت باد و ایجاد تلاطم هستند) و در یک دوره خاص (به عنوان مثال ، در طول یک فصل یا یک روز یا یک ساعت).

هنگامی که یک خط روند شکسته می شود (به عنوان مثال ، از سری داده ها عبور می کند) ، سطح جدید پشتیبانی و مقاومت به طور کلی ایجاد می شود و موارد قبلی ممکن است نقش خود را معکوس کنند: یک خط روند که یک پشتیبانی بود ممکن است به یک مقاومت تبدیل شود و برعکس.

از پشتیبانی و مقاومت به طور معمول در امور مالی استفاده می شود تا مشخص شود چه زمانی یک روند معکوس است ، به طوری که ممکن است تصمیمات تجاری مناسب اتخاذ شود. برای انرژی باد ، شکستن یک خط روند سیگنالی را نشان می دهد که احتمالاً جهت کلی داده ها تغییر می کند ، بنابراین پیش بینی های مدل های پیش بینی صرفاً بر اساس ادامه ممکن است قابل اعتماد نباشد.

4. نمودارهای شمعدان ژاپنی

به نظر می رسد که تکنیک "شمعدان" در ابتدا در ژاپن اختراع شده است (یا در نیمه دوم قرن 18 یا قرن نوزدهم طبق منابع مختلف) برای تجارت رایس. سپس ، در قرن بیستم ، استفاده گسترده ای برای تجزیه و تحلیل مالی به دست آورد [25،26]. در استفاده دوم ، شمعدان نقاشی است که بالاترین ، کمترین ، باز و بسته شدن قیمت (به نام های بالا ، پایین ، باز ، بسته) را در یک بازه زمانی انتخاب شده نشان می دهد. شکل آن از یک طرح جعبه ، یعنی جعبه ای با دو سوت است: جعبه "بدن واقعی" نامیده می شود و دهانه بین باز و نزدیک را می پوشاند. این بسته به اینکه قیمت بسته شدن بیشتر (شمعدان "توخالی") یا پایین تر (شمعدان "پر شده") از قیمت افتتاحیه ، به عنوان مثال ، در نسخه های سیاه و سفید آنها (که در این مطالعه استفاده می شود) رنگی است ، به طور معمول رنگی است. در مورد اول و با سیاه در دوم پر از سفید است. بخش های فوق و زیر بدن واقعی معمولاً "سایه ها" نامیده می شوند: آنها تا حد شدید و حداکثر قیمت جلسه گسترش می یابند.

ترجمه مفهوم برای سری داده های باد ، اولین ، آخرین ، حداقل و حداکثر سرعت باد در پنجره مشاهده برای ترسیم بدنه شمعدان و سایه ها استفاده می شود.

جدا از جذابیت بصری آنها ، از نمودارهای شمعدانی اغلب استفاده می شود زیرا تفسیر نسبتاً آسان است. در شمعدان های سفید ، نزدیکتر از یک باز است ، که حاکی از فشار خرید در تجزیه و تحلیل معاملات ، افزایش سرعت باد در تجزیه و تحلیل حاضر است. شمعدان های سیاه ، که در آن باز بالاتر از نزدیک است ، نشان دهنده فشار فروش در تجزیه و تحلیل معاملات و کاهش سرعت باد در این تجزیه و تحلیل است.

طول بدن واقعی یکی دیگر از شاخص های مهم است: یک بدنه کوتاه به معنای تغییرات کمی در ارزش به دلیل ادغام در امور مالی و سرعت نسبتاً ثابت برای انرژی باد است ، در حالی که یک بدن طولانی نشان می دهد یک خرید شدید یا فعالیت در امور مالی قابل توجه است. تنوع در دوره مشاهده برای سرعت باد. در امور مالی ، شمعدان های طولانی توخالی غالباً "صعودی" هستند (گاو نمادی از افزایش بازار است) و آنهایی که پر شده اند "نزولی" هستند (خرس نمادی از کاهش بازار است) ، اما شمعدان های طولانی نیز ممکن است سیگنال دریافتی باشدنقطه عطف به دلیل برخورد پشتیبانی یا مقاومت. برای تجزیه و تحلیل باد ، فراتر از این معنی آشکار که در دوره مشاهده ، مقادیر سرعت باد دامنه وسیعی را در بر می گیرد ، پیام دوم یکی از علاقه های مهم برای پیش بینی نقاط عطف است.

در مورد سایه ها ، کوتاه نشان می دهد که بیشتر تجارت یا نوسان سرعت باد در نزدیکی باز و نزدیک محدود شده است. برعکس نشان می دهد که قیمت ها یا سرعت باد به خوبی از باز و نزدیک گسترش یافته است ، و نشان می دهد که نوسانات بالاتر که ممکن است نشانگر یک رفتار "نامشخص" باشد و ممکن است حاکی از تغییر نزدیک در روند باشد.

علاوه بر ارزیابی شمعدان های منفرد ، شناسایی توالی های خاص شمعدان - با نام "الگوهای" - که از اهمیت اصلی در تجزیه و تحلیل شمعدان در نظر گرفته می شوند. بسیاری از الگوهای مختلف را می توان شناسایی کرد و توضیحات مفصل آنها خارج از محدوده این کار است. تمرکز در اینجا فقط روی برخی از الگوهای خواهد بود که بیشتر به تغییرات در روند داده مربوط می شوند. آنها مستقیماً در بخش نتایج معرفی می شوند. در ضمیمه A ، یک جدول مرجع (جدول A1) ارائه شده است ، از جمله انتخابی از پرکاربردترین الگوهای شمعدانی ، با توجه به معنی آنها برای بازار مالی و معنای مربوطه در تجزیه و تحلیل سری سرعت باد گروه بندی شده است. فلش های das h-dot نشان دهنده روند داده (افزایش یا کاهش) قبل و بعد از شمعدان های کشیده شده ، تکمیل هر الگوی شمعدانی است. جزئیات بیشتر را می توان در مورد کتابهای تخصصی و وب سایت ها [25،26،27،28،29] یافت.

5. نتایج و تجزیه و تحلیل

در ادامه ، نتایج استفاده از خطوط پشتیبانی و مقاومت و نمودارهای شمعدانی به سری داده های سرعت باد به دست آمده در دو مکان شرح داده می شود. LOS MONTES DEL CIERZO ، در نزدیکی Tudela (Navarra ، Spain ، 314 M A. S. L.) و Capo Mele (در استان Savona ، Liguria ، ایتالیا ، 221 M A. S. L.) انتخاب شدند. داده های Los Montes del Cierzo هر دو در 2 متر و 10 متر بالاتر از زمین به دست آمد و وضوح زمانی 10 دقیقه دارد. داده های Capo Mele دارای وضوح زمانی 1 ساعت است. داده های سال 2016 و 2017 مورد توجه قرار گرفت.

5. 1خطوط پشتیبانی و مقاومت و کانال های روند

شکل 1 خطوط پشتیبانی و مقاومت مشخص شده در سری داده های سرعت باد را در محل Los Montes del Cierzo ، 10 متر بالاتر از زمین ، به مدت چهار هفته از کل سال به عنوان نمایندگان چهار فصل انتخاب می کند. وضوح زمان 10 دقیقه است ، بنابراین هر سری شامل 1008 مقدار است. از محافل سیاه و قرمز برای تقویت تجسم حداکثر و حداقل محلی استفاده می شود.

با شروع از تابستان ، در هفته اول آگوست 2016 می توان پنج جفت خط پشتیبانی/مقاومت را شناسایی کرد. در مرحله اول (S1) ، سرعت باد افزایش می یابد و خطوط پشتیبانی و مقاومت واگرا می شوند (شکاف اولیه بین آنها کوچکتر از قسمت نهایی است). بنابراین این نشانه با افزایش نوسانات بین مینیما و حداکثر افزایش پیشرونده است. در امور مالی ، این یک روند "صعودی" با افزایش نوسانات خواهد بود. در یک نقطه خاص ، مقادیر متوقف می شوند و به خط مقاومت بالا می رسند و یک دوم (در نمودار شکسته شده) ظاهر می شود. سریال این خط جدید را "آزمایش" می کند ، اما قادر به برش آن نیست. بنابراین نمودار هشدار را برای یک نقطه عطف ورودی که به زودی تأیید می شود ، هشدار می دهد: سرعت باد شروع به کاهش می کند.

جفت دوم خط (S2) از این کاهش پیروی می کنند ، که بین آغاز و پایان شکاف کاهش می یابد. هنگامی که مقادیر دو بار در خط پایین (پشتیبانی) گزاف گویی می شوند ، سرعت باد دوباره شروع می شود. کاملاً مشابه رفتار در جفت سوم (S3) است.

جفت چهارم (S4) احتمالاً جالب ترین مورد برای این هفته است: طول آن ثابت می کند که این یک روند قوی است ، که در طی آن سرعت باد با نوسانات محدود بین خطوط پشتیبانی و مقاومت (که تقریباً موازی هستند) افزایش می یابد. این روند با حداکثر مقدار هفته به پایان می رسد ، پس از آن کاهش وجود دارد ، که در زمان خود وقتی مقادیر شروع می شوند به خط پشتیبانی دیگر (که در نمودار شکسته می شود) به پایان می رسد. بلافاصله پس از آن ، آخرین خطوط روند برای این هفته (S5) ظاهر می شود. دومی عجیب و غریب است زیرا شکاف آنها تقریباً بین آغاز و پایان دو برابر می شود ، اما میانگین سرعت باد تقریباً بدون تغییر است. بنابراین ، افزایش خالص "نوسانات باد" اتفاق افتاد.

با حرکت به نمودار پاییز (هفته اول نوامبر 2016) ، جفت های چهار خطی را می توان نشان داد. A1 یک خط پشتیبانی از سرعت باد صفر (دوره های آرام ، در طول هفته تابستان وجود ندارد) را نشان می دهد ، در حالی که خط مقاومت نشان می دهد سرعت باد (حدود 25 ٪ از 3. 2 تا 4 متر بر ثانیه). بنابراین ، تمایل ضعیف به افزایش سرعت باد نشان داده شده است ، حتی اگر با نوسانات بزرگ (به مقادیر بسیار کم). برعکس ، جفت A2 افزایش شدید سرعت باد را نشان می دهد ، که می توان نتیجه آن را انتظار داشت که مقادیر در اطراف مقادیر برتر برای هفته تندرست شوند و بعد از آن پایین بروند و بدون "تردید" خط پشتیبانی را قطع کنند. جفت A3 سرعت متوسط ثابت مانند S5 را نشان می دهد ، اما این بار با نوسانات پایدار. پس از این ساعات با سرعت نسبتاً زیاد ، جفت A4 نشانگر مشخصی از کاهش است که سرعت باد را دوباره به صفر می رساند. در ساعات پایانی هفته ، یک زن و شوهر دیگر نیز می توانند شناسایی شوند: افزایش بسیار تیز و پس از آن یک دوره شبیه به یک S5 معکوس (بنابراین ، یک باد تثبیت کننده).

در هفته زمستان (از ژانویه 2017) ، دو جفت (W1 و W2) با یک شیب قابل توجه قابل شناسایی هستند که نشانگر افزایش سرعت باد است. هر دو دارای خطوط پشتیبانی و مقاومت تقریباً موازی هستند. هنگامی که مقادیر به سمت خط مقاومت می روند اما قادر به برش آن نیستند ، به همین ترتیب سقوط سریع باید در نظر گرفته شود. یک واقعیت جالب دیگر این است که شیب خطوط مقاومت بین دو جفت بسیار مشابه است ، تا جایی که می توان یک خط مقاومت واحد را نیز شناسایی کرد. در این حالت ، کاهش بعد از نقطه PT1 (در شکل) نیز می توان انتظار داشت.

پس از برخی نوسانات ، یک جفت جدید (W3) تشکیل می شود که در آن می توان دو خط پشتیبانی را شناسایی کرد. قسمت فوقانی (در نمودار) پشتیبانی ضعیفی با شیب است که تقریباً دقیقاً برعکس شیب پشتیبانی در W2 است - Behaviour شبیه به زوج S1/S2 در تابستان.

سرانجام ، هفت جفت خط روند را می توان در هفته اول آوریل 2017 ، نماینده بهار شناسایی کرد. P1 و P2 مشابه S1 و W1 هستند. P3 اگر کمترین حداقل در نظر گرفته شود ، واگرا است ، در غیر این صورت خطوط آن عملاً موازی هستند. به همین ترتیب ، P4 کمی همگرا است. P5 و P7 نمونه های بسیار خوبی از مرزهای قوی و دارای ریباند متعدد هستند. در مقابل ، P6 پشتیبانی شدیدی را نشان می دهد ، در حالی که مقاومت فقط در ابتدا به دست می آید و این نشانگر کاهش پایدار است. مقدار متوسط سرعت باد در طول هفته بهار بسیار نزدیک به تابستان است ، اما با تنوع بیشتر.

از مثالهای شرح داده شده ، می توان نتیجه گرفت که "قوانین" مالی در مورد آزمایش/تندرست/برش خطوط پشتیبانی/مقاومت برای سری داده های سرعت باد نیز به خوبی کار می کند.

برای تکمیل این بخش از تجزیه و تحلیل ، برخی از مهمترین کانال های روند در طی چهار هفته انتخاب شده در شکل 2 (خطوط مقاومت در سبز ، خطوط پشتیبانی به رنگ قرمز تیره) مشهود است.

به عنوان پشتیبانی و مقاومت ، کانال های روند ممکن است افقی یا در حال افزایش/کاهش باشند. هرچه کانال طولانی تر باشد ، روند پایدار تر است. به عنوان مثال ، اولین ، یک کانال پیشرفته در طول هفته تابستان در شکل 2 ، تفاوت بین خط مقاومت و پشتیبانی در حدود 0. 4 متر بر ثانیه را نشان می دهد و بیش از چهارصد مقدار-تقریباً سه روز طول می کشد. به طور مشابه ، اولین کانال گرایش در هفته پاییز است: یک افقی دوباره با فاصله 0. 4 متر بر ثانیه (از 1. 2 تا 1. 6 متر بر ثانیه) ، به اندازه کافی طولانی است که تقریباً چهار روز از هفته را پوشش می دهد. در این کانال ، خط پشتیبانی 17 بار شکسته است و هر بار سطح مقاومت جزئی جدید را ایجاد می کند و خط مقاومت 25 بار شکسته می شود و تعداد مساوی از سطح پشتیبانی جزئی را ایجاد می کند. سرانجام ، یک ویژگی عجیب و غریب اضافی از سری داده های سرعت باد تجزیه و تحلیل شده این است که در بسیاری از موارد ، خطوط پشتیبانی و مقاومت دارای شیب هایی هستند که از نظر بزرگی بسیار مشابه هستند (و در مقابل در علامت) برای افزایش سرعت و کاهش. اگر با توجه به اینکه تغییرات در سرعت باد مربوط به تغییرات جسمی است که ممکن است با همان سرعت در هر دو جهت ایجاد شود ، اینها منطقی هستند. این خصوصیات ممکن است توصیه های مفیدی را برای حداقل پیش بینی کیفی تکامل سرعت باد ارائه دهد.

5. 2. شمعدان

نمونه هایی از کاربرد داده های شمعدان ژاپنی از هر دو لس مونتس دل سیرزو و کاپو مله مورد بررسی قرار گرفت.

5. 2. 1. Los Montes del Cierzo - داتا هر 10 دقیقه

برای سری داده های Los Montes del Cierzo ، Candlesticks با استفاده از داده هایی با وضوح 10 دقیقه ای که هر دو در 10 متر و 2 متر بالاتر از زمین به دست آوردند ایجاد شدند. هر ساعت (به عنوان مثال ، شش مقدار) به شمعدان تبدیل می شد: اولین مقدار به عنوان باز شدن ، مقدار ششم به عنوان بسته شدن و حداقل/حداکثر برای تنظیم افراط و نشاط سایه های شمعدانی. بنابراین ، برای هر هفته نماینده ، 168 شمعدان کشیده شد.

همانطور که برای خطوط پشتیبانی و مقاومت انجام شد ، روندها و الگوهای شمعدانی عجیب و غریب (مشهود با بیضی های رنگی و اعداد موجود در نمودارها) به مدت چهار هفته ، نماینده فصول مختلف مشخص شد. شکل 3 نتایج هفته اول آگوست 2016 را برای داده های به دست آمده در هر دو 2 متر و 10 متر بالاتر از زمین نشان می دهد. حتی اگر هنوز ارتفاع کاملاً کم باشد ، مقادیر 10 متر نماینده بیشتری از وضعیتی است که یک توربین بادی واقعی با آن روبرو می شود. بنابراین ، آنها در مورد اول و عمیق تر اظهار نظر می شوند. داده ها در 2 متر برای مقایسه و ارزیابی اصلاحات در روند به دلیل لایه مرزی جوی اضافه شد.

در مجموعه های 1-4 ، شمعدان های سفید وجود دارند ، به این معنی که مقدار بسته شدن سرعت باد از مقادیر اول بالاتر بود. برای گروه های مجرد و به طور کلی ، این به معنای افزایش سرعت باد است. در یک ، دو (دومی که نمونه ای کامل از الگوی "شکستن نزولی" است) و سه نیز می توان مشاهده کرد که اجساد شمعدان ها طولانی و با سایه های بسیار کوتاه ، به ویژه در ابتدای گروه هستند. این نشانگر روشنی است که یک روند وارونگی به تازگی اتفاق افتاده است ، و یک مرحله "صعودی" (ظهور) آغاز می شود. در مقابل ، در مجموعه چهار ، اجسام کوتاه و سایه های فوقانی بلند مشاهده می شود ، به این معنی که سرعت باد به یک فلات رسیده است و احتمالاً کاهش خواهد یافت.

سایر الگوهای شمعدان نیز می توان تشخیص داد ، به عنوان مثال ، "ستاره تیراندازی" و پس از آن "سقوط سه" با محوریت 4 اوت.

در مجموعه پنج ، اجسام سیاه و سفید کوتاه با سایه های طولانی در ابتدا وجود دارند و به دنبال آن یک شمعدان سفید طولانی: سرعت باد از دوره عدم اطمینان (شمعدان های سفید و سیاه و سفید طولانی) می آید اما حتی بدون مشکل ، همانطور که توسط سایه های طولانی نشان داده می شو د-یک دوره دیگر در حال ظهور آغاز می شود. در مقابل ، در مجموعه ششم ، سری شمعدان های سیاه به وضوح مرحله کاهش را نشان می دهد ، که با توجه به ظاهر یک شمعدان سفید بلند و به دنبال آن یک مورد بسیار کوتاه با سایه های بلند ، پیش بینی می شد.

با حرکت به نمودار مربوط به آگوست 2016 در 2 متر بالاتر از زمین ، مقادیر سرعت باد بسیار پایین تر است ، اما رفتار کیفی از نظر افزایش/کاهش بسیار شبیه به مورد 10 متری است (حتی اگر برخی از شمعدان ها در آن متفاوت باشندشکل یا رنگ). نه چهره شمعدان را می توان شناسایی کرد. مجموعه های یک و هشت شامل الف. فقط شمعدان سیاه ، بنابراین سرعت باد کاهش می یابد و هر دو سایه فوقانی ندارند. این بدان معنی است که سرعت باد باز بالاترین میزان در طول زمان است و بنابراین سرعت باد به طور پیوسته در طول ساعت کاهش می یابد. مجموعه های 3 ، 7 و 9 توسط شمعدان های تمام سفید ساخته شده اند. بنابراین سرعت باد همیشه افزایش می یابد. مجموعه سه سطح پشتیبانی احتمالی را در ابتدا و بعداً یک نقطه عطف دریافتی نشان می دهد: دو شمعدان اول حداکثر به عنوان مقدار بسته شدن خود دارند و به دنبال آن دو شمعدان با سایه های بالایی بلند ، نشان می دهد که مقادیر بالا در دوره زمانی حاصل می شود. سپس ، یک شمعدان سیاه بلند مرحله افزایش را می بندد.

مجموعه های 4 تا 7 و 9 همه شامل شمعدان بدون بدن هستند ، به این معنی که مقادیر اولیه و نهایی برابر بودند. این رقم به زبان ژاپنی "doji" خوانده می شود ، و ارتباط آن به روندهای قبلی یا شمعدان بستگی دارد: پس از یک شمعدان سفید طولانی (مانند مجموعه 5 و جزئی در مجموعه 7) یک "doji" سیگنال می دهد که افزایش سرعت بادقرار است متوقف شود ، و صعود می تواند به پایان نزدیک شود.

با تمرکز بر وارونگی روند به تنهایی ، شمعدان ها و الگوهای "کلاسیک" بیشتر نیز می توانند در نمودار مشهود باشند: به عنوان مثال ، شمعدان "چکش" در داده های اول اوت وجود دارد و یک الگوی "Engulfing نزولی" در 3 آگوست وجود دارد (هر دو آشکار استدر 2 متر و 10 متر).

با حرکت به فصول دیگر ، شکل 4 ، شکل 5 و شکل 6 نتایج را برای هفته اول نوامبر 2016 (پاییز) ، ژانویه 2017 (زمستان) و آوریل 2017 (بهار) نشان می دهد ، دوباره برای داده های به دست آمده در 10 متر و 2 متراز زمین. برخی از الگوهای مهم شمعدان ، مشابه آنچه که قبلاً برای تابستان شرح داده شده است ، در نمودارها مشهود و شماره گذاری شده اند ، به عنوان مثال ، یک نفر را تنظیم کرده و شش را در هفته پاییز ، 2 متر از مقادیر زمین ، قرار دهید ، نمونه هایی از "سه سرباز سفید پوست" است که این موارد است که از آن استفاده می کنند که 2 متر از آنها ، که 2 متر از آن 2 متر از ارزش زمین ، که 2 متر از آن قرار دارد ، که 2 متر از آن قرار دارد ، که این نمونه هایی از "سه سرباز سفید پوست" است که این موارد است که از آن استفاده می کنند. یک الگوی "صعودی" است ، در حالی که مجموعه دو نمونه "در حال سقوط سه" است. مجموعه های دیگر را می توان در این موارد نیز شناسایی کرد: به عنوان مثال ، در هفته پاییز ، 10 متر از مقادیر زمین ، یک مرد "حلق آویز" (شکل "نزولی") بلافاصله قبل از 2 نوامبر حضور دارد.

5. 2. 2. Capo Mel e-data هر ساعت

برای مکان Capo Mele ، داده ها فقط با وضوح 60 دقیقه ای در دسترس هستند. بنابراین ، شمعدان ها به صورت روزانه ایجاد می شدند و سال کامل پوشانده می شد. به طور متعارف ، تصمیم گرفته شد در فصل "زمستان" ژانویه ، فوریه و مارس را شامل شود. آوریل ، مه و ژوئن در "بهار" ؛ژوئیه ، اوت و سپتامبر در "تابستان" ؛و سرانجام ، اکتبر ، نوامبر و دسامبر در "پاییز". به نمایندگی از یک روز ، هر شمعدان از 24 مقادیر ساعت سرعت باد ایجاد می شود ، با مقادیر در ابتدا و پایان روز به عنوان مقادیر باز و بسته شدن و با حداقل و حداکثر مقادیر روز تکمیل می شود. همانطور که از شکل 7 مشاهده می شود ، که نتایج را نشان می دهد ، بسیاری از الگوهای شمعدانی را می توان با استفاده از شمعدان های روزانه نیز شناسایی کرد. برخی از مجموعه های مهم در شکل مشهود و شماره گذاری می شوند. موارد اضافی - E. g. ، یک "ستاره عصر" بلافاصله قبل از تنظیم یک در نمودار زمستانی - می توان آن را نیز مشاهده کرد. با این وجود ، تجزیه و تحلیل به صورت ساعتی برای بازار انرژی باد بسیار مفید است زیرا می تواند نشانه ای در مورد نقاط وارونگی ساعت به ساعت ارائه دهد. بنابراین ، طبق معمول ، وضوح زمانی زیاد سری داده ها مفید است.

وقایع اضافی الگوهای شمعدان مربوط به وارونگی ، بی احتیاطی یا ادامه در پیوست A ، جدول A1 گزارش شده است.

5. 3. ترکیبی از دو تکنیک

همچنین از نمودارهای موجود در شکل 3 ، شکل 4 ، شکل 5 و شکل 6 مشهود است که خطوط پشتیبانی و مقاومت نیز می توانند در نمودارهای شمعدانی به روشی مؤثر ردیابی شوند ، یعنی این دو روش قابل استفاده هستند. شکل 8 نمونه هایی از خطوط پشتیبانی و مقاومت را نشان می دهد که به عنوان خطوط داش در همان نمودارهای شمعدانی ردیابی می شوند. باز هم ، در بسیاری موارد ، شیب خطوط در حال افزایش/در حال کاهش از نظر بزرگی (تغییر در علامت) بسیار شبیه است ، همانطور که قبلاً اظهار داشت.

6. نتیجه گیری

خطوط روند/کانال های روند و تکنیک های شمعدان از "تجزیه و تحلیل فنی" مالی برای تجزیه و تحلیل سری داده های سرعت باد استفاده شده است. هدف این بود که تأیید کنیم که آیا چنین مدل هایی می توانند برای شناسایی الگوهای سری و به ویژه نقاط وارونگی مفید باشند. در حقیقت ، دومی برای تمام مدلهایی که مبتنی بر ادامه زمان از داده های گذشته هستند ، بسیار مهم است و در سرعت باد ، پیش بینی یکی از پرکاربردترین مدل ها است. از داده های سرعت باد از دو مکان ، یکی در اسپانیا و دیگری در ایتالیا استفاده شد. این مطالعه تأیید کرد که هر دو خط روند قابل توجه و الگوهای شمعدانی کلاسیک را می توان با موفقیت در سری داده های باد شناسایی کرد. چنین شاخص ها به اندازه کافی به طور دقیق مفصل هستند و در صورتی که داده ها در وضوح 10-15 دقیقه ای در دسترس باشند ، می توانند به مدل های پیش بینی کمک کنند ، به طوری که تجزیه و تحلیل ، به ویژه در مورد شمعدان ، می تواند به صورت ساعتی انجام شود. در مقابل ، اگر داده ها فقط با وضوح ساعتی در ساعت در دسترس باشند ، هنوز هم ویژگی های مربوطه قابل شناسایی هستند. با این حال ، سودمندی برای بازار انرژی باد آشکارا بسیار کاهش می یابد. در مورد تحولات آینده ، ابزارهای اضافی تجزیه و تحلیل فنی مالی می توانند مورد آزمایش قرار گیرند (به عنوان مثال ، شمعدان های Heikin-ashi یا Renko ، نمودارهای نقطه و شکل و کاگی ؛ در همه موارد ، با توجه به داده های سرعت باد با وضوح زمان بالا) برای کشف بیشتر در مورد بیشترپتانسیل چنین رویکردی در تقویت عملکرد مدل های پیش بینی. علاوه بر این ، تشخیص خودکار خطوط روند/کانال های روند و الگوهای شمعدانی می تواند با سایر داده های موجود در رویکردهای یادگیری ماشین برای پیش بینی پیاده سازی و همراه باشد.

کمک های نویسنده

مفهوم سازی ، M. G. ؛روش شناسی ، M. G. و p. m. e. ؛تحقیقات: P. M. E. ؛نرم افزار ، p. m. e. ؛منابع P. M. E. ؛تجسم: M. G. و p. m. e. ؛نوشتن - پیش نویس آماده سازی ، M. G. و p. m. e. ؛نوشتن - بررسی و ویرایش ، M. G. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و موافقت کرده اند.

مقالات آموزش فارکس...
ما را در سایت مقالات آموزش فارکس دنبال می کنید

برچسب : نویسنده : بهزاد فراهانی بازدید : 52 تاريخ : شنبه 12 فروردين 1402 ساعت: 13:03