論文の概要: Regularization methods for the short-term forecasting of the Italian electric load

• arxiv url: http://arxiv.org/abs/2112.04604v1
• Date: Wed, 8 Dec 2021 22:15:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 23:19:01.181667
• Title: Regularization methods for the short-term forecasting of the Italian electric load
• Title（参考訳）: イタリアの電力負荷の短期予測のための正規化手法
• Authors: Alessandro Incremona and Giuseppe De Nicolao
• Abstract要約: イタリアの電力負荷の24のプロファイル全体を予測する問題はマルチタスク学習問題として対処される。 96x96行列重みは96x96行列を形成し、正方形の領域にサンプリングされた表面として見ることができる。 表面の自由度を下げるための規則化とスパーシリティの異なるアプローチを探索し、得られた予測をイタリアのトランスミッション・システム・オペレーター・テルナの予測と比較した。
• 参考スコア（独自算出の注目度）: 77.34726150561087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The problem of forecasting the whole 24 profile of the Italian electric load is addressed as a multitask learning problem, whose complexity is kept under control via alternative regularization methods. In view of the quarter-hourly samplings, 96 predictors are used, each of which linearly depends on 96 regressors. The 96x96 matrix weights form a 96x96 matrix, that can be seen and displayed as a surface sampled on a square domain. Different regularization and sparsity approaches to reduce the degrees of freedom of the surface were explored, comparing the obtained forecasts with those of the Italian Transmission System Operator Terna. Besides outperforming Terna in terms of quarter-hourly mean absolute percentage error and mean absolute error, the prediction residuals turned out to be weakly correlated with Terna, which suggests that further improvement could ensue from forecasts aggregation. In fact, the aggregated forecasts yielded further relevant drops in terms of quarter-hourly and daily mean absolute percentage error, mean absolute error and root mean square error (up to 30%) over the three test years considered.
• Abstract（参考訳）: イタリアの電力負荷の24プロファイル全体を予測する問題はマルチタスク学習問題として対処され、その複雑性は代替正規化法によって制御される。 四半期毎のサンプリングでは96の予測器が使用され、それぞれ96の回帰器に依存している。 96x96行列重みは96x96行列を形成し、正方形領域にサンプルされた表面として見ることができる。 表面の自由度を下げるための規則化とスパーシリティの異なるアプローチを探索し、得られた予測をイタリアのトランスミッション・システム・オペレーター・テルナの予測と比較した。 準時間平均絶対パーセンテージ誤差と平均絶対エラーでTernaを上回り、予測残差はTernaと弱い相関があることが判明し、予測アグリゲーションからさらなる改善がもたらされることが示唆された。 実際、集計された予測は、考慮された3つのテスト年間で、四半期毎および日毎の平均絶対パーセンテージエラー、平均絶対誤差、ルート平均2乗誤差(最大30%)という観点で、さらに関連のある低下をもたらした。

関連論文リスト

• Attention-Based Ensemble Pooling for Time Series Forecasting [55.2480439325792]
  本稿では,候補モデル予測よりも重み付き平均値を実行するプーリング法を提案する。 本手法は,非定常ロレンツ63方程式の動力学の多段階予測と,COVID-19による週次死亡事故の1段階予測という2つの時系列予測問題に対して試行する。
  論文  参考訳（メタデータ） (2023-10-24T22:59:56Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• Frugal day-ahead forecasting of multiple local electricity loads by aggregating adaptive models [0.0]
  フランスにおける配電網の変電所の日頭電力負荷予測に着目する。 そこで我々は,パラメータの数を削減し,伝達学習を実現するフラジカル変種を開発した。 私たちは、運用アプリケーションにとって重要なモデルの解釈可能性を強調します。
  論文  参考訳（メタデータ） (2023-02-16T10:17:19Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• Exploring the impact of spatiotemporal granularity on the demand prediction of dynamic ride-hailing [2.5489902365061607]
  本稿では,中国成都における実証データを用いて,乗車時需要予測精度への影響について検討する。 ヘキサゴナル畳み込み操作(H-ConvLSTM)と組み合わせた畳み込み短期記憶モデルを提案する。
  論文  参考訳（メタデータ） (2022-03-19T11:22:04Z)
• Robust Nonparametric Distribution Forecast with Backtest-based Bootstrap and Adaptive Residual Selection [14.398720944586803]
  分布予測は予測の不確実性を定量化し、対応する推定確率で様々な予測シナリオを提供する。 本稿では,バックテストベースのブートストラップと適応的残差選択に依存する,実用的で堅牢な分布予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-16T09:53:48Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Batch Stationary Distribution Estimation [98.18201132095066]
  サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。 与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
  論文  参考訳（メタデータ） (2020-03-02T09:10:01Z)

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。