論文の概要: Panel semiparametric quantile regression neural network for electricity consumption forecasting

• arxiv url: http://arxiv.org/abs/2103.00711v1
• Date: Mon, 1 Mar 2021 02:47:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 16:59:37.480230
• Title: Panel semiparametric quantile regression neural network for electricity consumption forecasting
• Title（参考訳）: 電力消費予測のためのパネル半パラメトリック量子回帰ニューラルネットワーク
• Authors: Xingcai Zhou and Jiangyan Wang
• Abstract要約: 中国は、改革と開放の長期的な深化の中で、電力産業で大きな成果を上げている。 複雑な地域経済・社会・自然条件では、電力資源は均等に分配されず、中国の一部の地域では電気不足の原因となっている。 人工ニューラルネットワークと半パラメトリック量子回帰を利用したパネル半パラメトリック量子回帰ニューラルネットワーク(PSQRNN)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: China has made great achievements in electric power industry during the long-term deepening of reform and opening up. However, the complex regional economic, social and natural conditions, electricity resources are not evenly distributed, which accounts for the electricity deficiency in some regions of China. It is desirable to develop a robust electricity forecasting model. Motivated by which, we propose a Panel Semiparametric Quantile Regression Neural Network (PSQRNN) by utilizing the artificial neural network and semiparametric quantile regression. The PSQRNN can explore a potential linear and nonlinear relationships among the variables, interpret the unobserved provincial heterogeneity, and maintain the interpretability of parametric models simultaneously. And the PSQRNN is trained by combining the penalized quantile regression with LASSO, ridge regression and backpropagation algorithm. To evaluate the prediction accuracy, an empirical analysis is conducted to analyze the provincial electricity consumption from 1999 to 2018 in China based on three scenarios. From which, one finds that the PSQRNN model performs better for electricity consumption forecasting by considering the economic and climatic factors. Finally, the provincial electricity consumptions of the next $5$ years (2019-2023) in China are reported by forecasting.
• Abstract（参考訳）: 中国は、改革と開放の長期的な深化の中で、電力産業で大きな成果を上げている。 しかし、複雑な地域経済、社会、自然条件、電力資源は均等に分配されておらず、中国の一部の地域では電気不足の原因となっている。 堅牢な電気予測モデルを開発することが望ましい。 そこで我々は,人工ニューラルネットワークと半パラメトリック量子回帰を利用して,パネル半パラメトリック量子回帰ニューラルネットワーク(PSQRNN)を提案する。 PSQRNNは変数間の潜在的な線形および非線形関係を探索し、観測されていない地域の異質性を解釈し、パラメトリックモデルの解釈可能性を同時に維持することができる。 そしてPSQRNNは、ペナル化量子レグレッションとLASSO、リッジレグレッション、バックプロパゲーションアルゴリズムを組み合わせることで訓練される。 予測精度を評価するため,1999年から2018年にかけて中国の地方電力消費を3つのシナリオに基づいて分析する実験的検討を行った。 その結果,psqrnnモデルは,経済・気候要因を考慮し,電力消費予測に有効であることがわかった。 最後に、中国における次の5ドル(2019-2023年)の省電力消費が予測されている。

関連論文リスト

• NBMLSS: probabilistic forecasting of electricity prices via Neural Basis Models for Location Scale and Shape [44.99833362998488]
  我々は、GAMLSSの原理的解釈可能性と、計算にスケーラブルな共有基底分解をブレンドした、位置、スケール、形状のためのニューラル基底モデルをデプロイする。 複数の市場領域で実験が行われ、分布型ニューラルネットワークに匹敵する確率論的予測性能を達成した。
  論文  参考訳（メタデータ） (2024-11-21T08:17:53Z)
• Short-Term Electricity Demand Forecasting of Dhaka City Using CNN with Stacked BiLSTM [0.471858286267785]
  本稿では,ダッカ市の電力需要を短時間で正確に予測するために,畳み込みニューラルネットワーク(CNN)と積み重ねた双方向長短項メモリ(BiLSTM)アーキテクチャのハイブリッドモデルを提案する。 提案手法は,MAPE 1.64%,MSE 0.015,RMSE 0.122,MAE 0.092の他のベンチマークモデルと比較して,最高の予測結果を得た。
  論文  参考訳（メタデータ） (2024-06-10T09:02:07Z)
• ResoNet: Robust and Explainable ENSO Forecasts with Hybrid Convolution and Transformer Networks [47.60320586459432]
  ディープラーニングモデルは、1.5年以上前にEl Nino-Southern Oscillation(ENSO)の予測を巧みに予測することができる。 本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマーアーキテクチャを組み合わせたDLモデルResoNetを提案する。 ResoNetは、19～26ヶ月のリードタイムでESNOを確実に予測できることを示し、予測の地平線の観点から既存のアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-12-16T12:12:31Z)
• Electricity Demand Forecasting with Hybrid Statistical and Machine Learning Algorithms: Case Study of Ukraine [0.0]
  提案手法は2013年から2020年までのウクライナの電力消費の時間データを用いて構築された。 我々のハイブリッドモデルは、時間分解能で長期電力消費を予測するのに非常に効果的である。
  論文  参考訳（メタデータ） (2023-04-11T12:15:50Z)
• Distributional neural networks for electricity price forecasting [0.0]
  確率的電力価格予測(EPF)に対する新しいアプローチを提案する。 EPFのための新しいネットワーク構造は、正規化分布多層パーセプトロン(DMLP)に基づいている このフレームワークを使用すると、ニューラルネットワークの出力は正規あるいは潜在的に歪んだジョンソンのSU(JSU)の分布として定義される。
  論文  参考訳（メタデータ） (2022-07-06T17:42:52Z)
• Wholesale Electricity Price Forecasting using Integrated Long-term Recurrent Convolutional Network Model [0.0]
  本稿では、電力価格を予測するための長期再帰畳み込みネットワーク(ILRCN)モデルを提案する。 ケーススタディでは、提案したILRCNモデルが電気価格予測において正確かつ効率的であることが判明した。
  論文  参考訳（メタデータ） (2021-12-23T06:45:12Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• N-BEATS neural network for mid-term electricity load forecasting [8.430502131775722]
  提案手法は,中期電力負荷予測問題の解決に有効であることを示す。 実装と訓練は簡単で、信号前処理は不要であり、予測バイアス低減機構を備えている。 実験的な研究によると、提案されたニューラルネットワークは、正確性と予測バイアスの両方の観点から、すべての競合より明らかに優れています。
  論文  参考訳（メタデータ） (2020-09-24T21:48:08Z)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)
• Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
  本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。 数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。 我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
  論文  参考訳（メタデータ） (2020-06-02T23:38:35Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。