Join 60,000+ competitive exam aspirants
निम्नलिखित में से कौन सी तकनीक एक्सट्रापोलेशन (extrapolation) के लिए आधारभूत है?
Square extrapolation
Parabolic extrapolation
Exponential extrapolation
None of the above
Parabolic extrapolation
पैराबोलिक एक्सट्रापोलेशन एक मूलभूत तकनीक है जिसका उपयोग लोड फोरकास्टिंग और संख्यात्मक विश्लेषण में क्वाड्राटिक कर्व फिट के आधार पर भविष्य के मूल्यों की भविष्यवाणी करने के लिए किया जाता है। यह मानता है कि चर के बीच का संबंध एक सेकंड-डिग्री बहुपद का अनुसरण करता है, जो रैखिक मॉडल की तुलना में गैर-रैखिक लोड वृद्धि पैटर्न के लिए बेहतर फिट प्रदान करता है।
पैराबोलिक एक्सट्रापोलेशन एक मूलभूत तकनीक है जिसका उपयोग लोड फोरकास्टिंग और संख्यात्मक विश्लेषण में क्वाड्राटिक कर्व फिट के आधार पर भविष्य के मूल्यों की भविष्यवाणी करने के लिए किया जाता है। यह मानता है कि चर के बीच का संबंध एक सेकंड-डिग्री बहुपद का अनुसरण करता है, जो रैखिक मॉडल की तुलना में गैर-रैखिक लोड वृद्धि पैटर्न के लिए बेहतर फिट प्रदान करता है।
y=a+bx+cx2 — पैराबोलिक ट्रेंड फिटिंग के लिए मानक क्वाड्राटिक समीकरण
E=∑(yi−(a+bxi+cxi2))2 — लीस्ट स्क्वेयर्स त्रुटि फ़ंक्शन जिसे न्यूनतम किया जाना है
यह तकनीक लीस्ट स्क्वेयर्स (least squares) की विधि का उपयोग करके मौजूदा डेटा बिंदुओं पर y=a+bx+cx2 के आकार के एक पैराबोला को फिट करके काम करती है। स्थिरांकों a, b, और c के लिए हल करके, मॉडल भविष्य के रुझानों का पूर्वानुमान लगाने के लिए कर्व को देखे गए डेटा रेंज से आगे बढ़ा सकता है। यह रैखिक एक्सट्रापोलेशन की तुलना में अधिक लचीला है क्योंकि यह लोड डिमांड वृद्धि के कर्व (त्वरण या मंदन) को कैप्चर करता है।
पैराबोलिक एक्सट्रापोलेशन का उपयोग तब किया जाता है जब लोड वृद्धि गैर-रैखिक होती है।
इसे गुणांक a, b, और c निर्धारित करने के लिए कम से कम तीन ऐतिहासिक डेटा बिंदुओं की आवश्यकता होती है।
पावर सिस्टम में अल्पावधि से मध्यावधि पूर्वानुमान के लिए प्रभावी है।
यदि ओवरफिट किया जाए तो उच्च-क्रम के बहुपद रंगे की घटना (Runge's phenomenon) पैदा कर सकते हैं।
कर्व्ड ट्रेंड के लिए रैखिक मॉडल की तुलना में बेहतर सटीकता
डिमांड वृद्धि में त्वरण को कैप्चर करता है
यदि भविष्य में बहुत दूर तक एक्सट्रापोलेट किया जाए तो त्रुटियों की संभावना
ऐतिहासिक डेटा में आउटलायर्स (outliers) के प्रति संवेदनशील
अल्पावधि पीक लोड फोरकास्टिंग
यूटिलिटी प्लानिंग में ट्रेंड विश्लेषण
एक्सट्रापोलेशन स्वाभाविक रूप से जोखिम भरा है क्योंकि यह मानता है कि पिछला रुझान भविष्य में अनिश्चित काल तक जारी रहेगा, जो बाहरी बदलावों की उपेक्षा करता है।
विकल्प A और C विशिष्ट मॉडल हैं जो सामान्य बहुपद एक्सट्रापोलेशन तकनीकों के लिए आधारभूत श्रेणी के रूप में कार्य नहीं करते हैं।
B सही है — पैराबोलिक एक्सट्रापोलेशन एक सेकंड-डिग्री बहुपद मॉडल प्रदान करता है जो लोड फोरकास्टिंग में गैर-रैखिक ट्रेंड कर्व्स को फिट करने के लिए आधार के रूप में कार्य करता है।
हमेशा याद रखें कि इलेक्ट्रिकल लोड फोरकास्टिंग में, पैराबोलिक मॉडल रैखिक मॉडल की तुलना में तीव्र वृद्धि चरणों के लिए बेहतर फिट प्रदान करते हैं, लेकिन अवास्तविक भविष्य के अनुमानों से बचने के लिए इनका सावधानीपूर्वक उपयोग किया जाना चाहिए।