論文の概要: Advancing Heat Demand Forecasting with Attention Mechanisms: Opportunities and Challenges

• arxiv url: http://arxiv.org/abs/2502.07854v1
• Date: Tue, 11 Feb 2025 13:12:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:49:30.998117
• Title: Advancing Heat Demand Forecasting with Attention Mechanisms: Opportunities and Challenges
• Title（参考訳）: 注意機構による熱需要予測の促進--可能性と課題
• Authors: Adithya Ramachandran, Thorkil Flensmark B. Neergaard, Andreas Maier, Siming Bayer,
• Abstract要約: 熱需要に影響を及ぼす独立変数と依存変数の分解されたコンポーネントを特徴として利用し、ヘッド需要予測を多段階に進める深層学習(DL)モデルを構築した。 提案手法は実世界のデータセットを用いて評価し,LSTMおよびCNNに基づく予測モデルに対して予測性能を評価する。
• 参考スコア（独自算出の注目度）: 2.979183050755201
• License:
• Abstract: Global leaders and policymakers are unified in their unequivocal commitment to decarbonization efforts in support of Net-Zero agreements. District Heating Systems (DHS), while contributing to carbon emissions due to the continued reliance on fossil fuels for heat production, are embracing more sustainable practices albeit with some sense of vulnerability as it could constrain their ability to adapt to dynamic demand and production scenarios. As demographic demands grow and renewables become the central strategy in decarbonizing the heating sector, the need for accurate demand forecasting has intensified. Advances in digitization have paved the way for Machine Learning (ML) based solutions to become the industry standard for modeling complex time series patterns. In this paper, we focus on building a Deep Learning (DL) model that uses deconstructed components of independent and dependent variables that affect heat demand as features to perform multi-step ahead forecasting of head demand. The model represents the input features in a time-frequency space and uses an attention mechanism to generate accurate forecasts. The proposed method is evaluated on a real-world dataset and the forecasting performance is assessed against LSTM and CNN-based forecasting models. Across different supply zones, the attention-based models outperforms the baselines quantitatively and qualitatively, with an Mean Absolute Error (MAE) of 0.105 with a standard deviation of 0.06kW h and a Mean Absolute Percentage Error (MAPE) of 5.4% with a standard deviation of 2.8%, in comparison the second best model with a MAE of 0.10 with a standard deviation of 0.06kW h and a MAPE of 5.6% with a standard deviation of 3%.
• Abstract（参考訳）: 世界の指導者や政策立案者は、ネット・ゼロ協定を支持するための脱炭活動への不当なコミットメントで統一されている。 ディストリクト・ヒーティング・システムズ(DHS)は、化石燃料を熱生産に引き続き依存しているため、二酸化炭素排出量に寄与しているが、動的な需要や生産シナリオに適応する能力を制限する可能性があるため、より持続可能なプラクティスを受け入れている。 人口統計の需要が増加し、再生可能エネルギーが暖房セクターの脱炭戦略の中心となるにつれ、正確な需要予測の必要性が高まっている。 デジタル化の進歩は、機械学習(ML)ベースのソリューションが複雑な時系列パターンをモデリングするための業界標準になるための道を開いた。 本稿では,熱需要に影響を及ぼす独立変数と依存変数の分解成分を用いて,多段階のヘッド需要予測を行うディープラーニング(DL)モデルの構築に着目する。 モデルは時間周波数空間における入力特徴を表現し、注意機構を用いて正確な予測を生成する。 提案手法は実世界のデータセットを用いて評価し,LSTMおよびCNNに基づく予測モデルに対して予測性能を評価する。 標準偏差0.06kWhの平均絶対誤差0.105と標準偏差2.8%の平均絶対誤差5.4%と、標準偏差0.06kWhのMAEと標準偏差5.6%のMAPEの2番目の最良のモデルである。

関連論文リスト

• The Lessons of Developing Process Reward Models in Mathematical Reasoning [62.165534879284735]
  Process Reward Models (PRM) は、推論プロセスにおける中間エラーを特定し、緩和することを目的としている。 我々は,モンテカルロ (MC) 推定とLarge Language Models (LLM) を効果的に統合するコンセンサスフィルタリング機構を開発した。 私たちは、既存のオープンソース代替品よりも優れた、最先端のPRMを新たにリリースしています。
  論文  参考訳（メタデータ） (2025-01-13T13:10:16Z)
• On conditional diffusion models for PDE simulations [53.01911265639582]
  スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。 本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。 また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:31:04Z)
• Towards Universal Large-Scale Foundational Model for Natural Gas Demand Forecasting [12.60741035434783]
  本稿では,天然ガス需要予測に適した基礎モデルを提案する。 提案手法は,現実シナリオの予測精度を向上させるために,コントラスト学習を利用する。 ENNグループによる大規模データセットを用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2024-09-24T06:44:29Z)
• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)
• FuXi-ENS: A machine learning model for medium-range ensemble weather forecasting [16.562512279873577]
  我々は,最大15日間のグローバルアンサンブル天気予報を実現するために設計された,高度なMLモデルであるFuXi-ENSを紹介する。 FuXi-ENS は空間分解能が 0.25 度大きく向上し、13の圧力レベルで5つの大気変数と13の表面変数が組み込まれている。 その結果,FXi-ENSは360変数の98.1%のCRPSと予測リードタイムの組み合わせで,世界有数のNWPモデルであるECMWFのアンサンブル予測よりも優れていた。
  論文  参考訳（メタデータ） (2024-05-09T17:15:09Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• Cal-SFDA: Source-Free Domain-adaptive Semantic Segmentation with Differentiable Expected Calibration Error [50.86671887712424]
  ドメイン適応型セマンティックセグメンテーションの流行は、ソースドメインデータの漏洩に関する懸念を引き起こしている。 ソースデータの要求を回避するため、ソースフリーなドメイン適応が実現可能なソリューションとして登場した。 校正誘導型ソースフリーなドメイン適応型セマンティックセマンティックセマンティクスフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-06T03:28:34Z)
• A generalised multi-factor deep learning electricity load forecasting model for wildfire-prone areas [0.0]
  本稿では,山火事シーズンにおける配電網の電力負荷を予測するために,GRUに基づく汎用かつ堅牢なGated Recurrent Unit (GRU) モデルを提案する。 瞬時温度の通常の使用と比較して、平均絶対パーセンテージ誤差(MAPE)は30.73%減少する。 提案手法は平均予測MAPEの約3%を達成し、ビクトリア州に年間8億6600万ドルを節約できる可能性がある。
  論文  参考訳（メタデータ） (2023-04-21T00:42:24Z)
• A comparative study of statistical and machine learning models on near-real-time daily emissions prediction [0.0]
  二酸化炭素排出量の急激な上昇は、地球温暖化と気候変動の大きな原因である。 本稿は、2020年1月1日から2022年9月30日までの日中排出量予測に適したモデルを選択することを目的とする。
  論文  参考訳（メタデータ） (2023-02-02T15:14:27Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• LIMREF: Local Interpretable Model Agnostic Rule-based Explanations for Forecasting, with an Application to Electricity Smart Meter Data [3.0839245814393728]
  我々は,大域的なモデル予測を説明するために,局所解釈可能なモデルに依存しないルールベース予測(LIMREF)を提案する。 本稿では,LIMREFフレームワークによる説明の質を質的・定量的に評価する。
  論文  参考訳（メタデータ） (2022-02-15T22:35:11Z)

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。