三階段預測模型之應用

上一節已證實使用此套三階段預測模型的預測能力相當不錯，此節將

37

說明如何使用此套預測模型來預測太陽能系統之轉換效率。

本研究所提出的三階段預測模型，是將資料依太陽能系統之特色，分 為兩個集群來預測轉換效率，集群一資料的特色為：模組單片面積較小且 模組單片容量較小；集群二資料的特色為：模組單片面積較大且模組單片 容量較大。在應用本研究方法預測某太陽能系統之轉換效率前，必須先知 道此筆資料屬於哪個集群，才能利用該群的混合預測模型預測轉換效率，

因此本研究必須先建立一個判定模式。在判別資料之工具中，當解釋變數 有連續型與類別型變數時，邏輯斯迴歸法之判別能力較佳，因此本研究將 44 筆建模資料利用邏輯斯迴歸法建立邏輯連接函數(logic link function)，用 以判別某太陽能系統應屬何集群。

建立邏輯連接函數必須設定一個切割點，Sharma[28]指出，如果集群 數目為兩群時，切割點應設定成 0.5，則正確分類率最好，故本研究執行 邏輯斯迴歸時，將切割點設定成 0.5。表 4.15 為本研究應用 SPSS 執行邏 輯斯迴歸法之結果。

表 4. 15 邏輯斯迴歸之參數估計表

由上表可得到邏輯連接函數為：

Z 131.824 8.756 模組種類 101.144 模組單片面積 0.09       模組單片容量 7.569 有無變壓器       公式 4-1) 為了驗證此邏輯斯迴歸分類結果的準確程度，於是進行分類正確率檢驗，

38

執行結果為表 4.16。

表 4. 16 邏輯斯迴歸之分類正確率

當切割點為 0.5 時，此邏輯斯迴歸分類正確率為 100%，代表此分類結 果相當好。將資料帶入邏輯連接函數，得出此資料的 Z 值。而分類機率值 p 須由 Z 值推算，公式如下：

1 1 e

分類機率值 p 若小於 0.5 則將太陽能系統資料歸屬於集群一，若大於 0.5 則歸屬於集群二。圖 4.5 為應用三階段轉換效率預測模型之流程圖，本 研究以一個例子說明如何應用此套三階段轉換效率之預測模型。

圖 4. 5 應用三階段轉換效率預測模型之流程圖

若某廠商欲預測某太陽能系統之轉換效率，該系統資料包含了很多系 統變數。將這些資料帶入本研究之三階段轉換效率預測模型，所使用之預

39

測變數值如表 4.17 所示。

表 4. 17 新資料內容

模組種類 模組單片面積 模組單片容量 有無變壓器

1 0.9291 120 2

將表 4.17 之資料代入邏輯連接函數(公式 4-1)求算出分類機率值約為 0.0001，小於 0.5，因此判定此筆太陽能系統資料歸屬於集群一，為模組單 片面積小且模組單片容量小的資料，於是利用集群一的混合預測模型來預 測轉換效率。將此筆資料代入集群一的轉換效率方程式，得出此筆資料的  Y 11.3035；接著代入集群一的殘差預測方程式，求出此筆殘差預測值為  e 0.2468；將這兩個值進行疊加得出最終轉換效率預測值為 11.5503。當 有太陽能系統之新資料須預測轉換效率時，只需依照此流程便能得出轉換 效率預測值，以作為工程人員進行系統改良的參考。

40