論文の概要: A Quantitative Exploration of Natural Language Processing Applications
for Electricity Demand Analysis
- arxiv url: http://arxiv.org/abs/2301.07535v1
- Date: Wed, 18 Jan 2023 13:55:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 15:40:27.461666
- Title: A Quantitative Exploration of Natural Language Processing Applications
for Electricity Demand Analysis
- Title(参考訳): 電力需要分析のための自然言語処理アプリケーションの定量探索
- Authors: Yun Bai, Simon Camal, Andrea Michiorri
- Abstract要約: 本稿では,ニュースに含まれる社会情報が,エネルギー需要の観点から集団行動の理解にどのように役立つかについて検討する。
本研究は,全国ニュースから抽出した特徴が日頭電気需要予測に与える影響を分析する実験を通じて実施する。
実験結果から, RMSE, MAE, SMAPEでは, 公式標準誤差を4%, 11%, 10%削減した。
- 参考スコア(独自算出の注目度): 1.2676356746752895
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The relationship between electricity demand and weather has been established
for a long time and is one of the cornerstones in load prediction for operation
and planning, along with behavioral and social aspects such as calendars or
significant events. This paper explores how and why the social information
contained in the news can be used better to understand aggregate population
behaviour in terms of energy demand. The work is done through experiments
analysing the impact of predicting features extracted from national news on
day-ahead electric demand prediction. The results are compared to a benchmark
model trained exclusively on the calendar and meteorological information.
Experimental results showed that the best-performing model reduced the official
standard errors around 4%, 11%, and 10% in terms of RMSE, MAE, and SMAPE. The
best-performing methods are: word frequency identified COVID-19-related
keywords; topic distribution that identified news on the pandemic and internal
politics; global word embeddings that identified news about international
conflicts. This study brings a new perspective to traditional electricity
demand analysis and confirms the feasibility of improving its predictions with
unstructured information contained in texts, with potential consequences in
sociology and economics.
- Abstract(参考訳): 電力需要と気象の関係は長い間確立されており、カレンダーや重要なイベントなどの行動・社会的側面とともに、運用・計画の負荷予測の基盤の1つとなっている。
本稿では,ニュースに含まれる社会情報が,エネルギー需要の観点から集団行動の理解にどのように役立つかについて検討する。
全国ニュースから抽出した特徴が日頭電気需要予測に与える影響を分析する実験を通じて実施する。
結果は、カレンダーと気象情報にのみ訓練されたベンチマークモデルと比較される。
実験の結果, ベストパフォーマンスモデルでは, rmse, mae, smapeでは, 標準誤差が4%, 11%, 10%程度減少した。
最も優れた方法は次のとおりである。 単語頻度はcovid-19関連キーワードを、パンデミックや内政に関するニュースを識別する話題分布、国際紛争に関するニュースを識別するグローバル単語埋め込み。
本研究は, 従来の電力需要分析に新たな視点をもたらし, 社会学や経済学における潜在的影響とともに, テキストに含まれる非構造化情報による予測の改善の可能性を確認した。
関連論文リスト
- Crisis talk: analysis of the public debate around the energy crisis and
cost of living [0.5371337604556311]
2020年代初頭の英国における顕著なメディアの話題は、英国とヨーロッパの大半に影響を及ぼすエネルギー危機である。
これは、エネルギー依存と持続可能性、経済的負担の公平な分配、生活費に関する単一の公的な議論をもたらす。
エネルギー危機と生活費に関する公衆の談話を調査し、これらの重要かつ矛盾した問題がどのように和解されるかを明らかにする。
論文 参考訳(メタデータ) (2024-02-28T04:42:59Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳(メタデータ) (2023-10-20T06:17:02Z) - Electricity Demand Forecasting through Natural Language Processing with
Long Short-Term Memory Networks [0.5432724320036955]
この研究は、公共の感情と、輸送と地政学に関連する単語ベクトル表現が、電力需要に時間的連続性をもたらすことを発見した。
提案モデルは,信頼区間を狭め,予測分布を真に近づけることで,予測の不確かさを効果的に低減する。
論文 参考訳(メタデータ) (2023-09-13T08:28:16Z) - Causal Effect Estimation with Global Probabilistic Forecasting: A Case
Study of the Impact of Covid-19 Lockdowns on Energy Demand [2.126171264016785]
外部介入の不確実性が電力需要に与える影響を分析する必要がある。
本稿では,介入の因果的影響分布を推定するために,ディープラーニングアプローチを用いる。
コビッド19のロックダウンがエネルギー消費に与える影響を事例として考察する。
論文 参考訳(メタデータ) (2022-09-19T09:39:29Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳(メタデータ) (2022-06-30T17:59:14Z) - Didn't see that coming: a survey on non-verbal social human behavior
forecasting [47.99589136455976]
近年,非言語的社会的行動予測が研究コミュニティの関心を集めている。
人間とロボットの相互作用や社会的に認識された人間のモーション生成への直接的な応用は、非常に魅力的な分野である。
本稿では,複数の対話エージェントに対する行動予測問題を,社会的信号予測と人間の動作予測の分野の統合を目的とした汎用的な方法で定義する。
論文 参考訳(メタデータ) (2022-03-04T18:25:30Z) - A Survey on Societal Event Forecasting with Deep Learning [12.343312954353639]
我々は、社会的出来事の2つの領域(textitcivil unrestとtextitcrime)に焦点を当てる。
まず、機械学習予測タスクとしてイベント予測問題を定式化する方法を紹介し、次に、データリソース、従来の手法、そしてこれらの問題に対する最近のディープラーニングモデルの開発について要約する。
論文 参考訳(メタデータ) (2021-12-12T22:57:22Z) - ExcavatorCovid: Extracting Events and Relations from Text Corpora for
Temporal and Causal Analysis for COVID-19 [63.72766553648224]
excavatorcovidは、オープンソースのテキスト文書を取り込む機械読取システムである。
COVID19関連イベントとそれらの関係を抽出し、時間と因果分析グラフを構築する。
論文 参考訳(メタデータ) (2021-05-05T01:18:46Z) - Uncovering Dominant Features in Short-term Power Load Forecasting Based
on Multi-source Feature [0.0]
本稿では, 電力負荷変動と影響要因の複雑な関係を研究するため, 天文学, 地理学, 社会から80の潜在的特徴を収集する。
ケーススタディでは,最先端手法と比較して,予測精度を33.0%から34.7%向上した。
論文 参考訳(メタデータ) (2021-03-23T13:43:54Z) - COSMO: Conditional SEQ2SEQ-based Mixture Model for Zero-Shot Commonsense
Question Answering [50.65816570279115]
社会的文脈の暗黙的な原因と影響の特定は、機械が常識的推論を実行できるようにする駆動能力である。
この領域における現在のアプローチには、目に見えない状況に直面して常識推論を行う能力がない。
本稿では,動的かつ多様なコンテンツ生成機能を備えた条件付きSEQ2SEQベースの混合モデル(COSMO)を提案する。
論文 参考訳(メタデータ) (2020-11-02T07:08:19Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳(メタデータ) (2020-03-02T20:32:10Z)
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。