一种具有分位数间Lipschitz正则化的多分位数回归时间序列模型用于风电概率预测
应用统计
2021-02-18 v2
摘要
现代决策过程需要具有不确定性感知的模型，尤其是那些依赖于非对称成本和风险规避特征的模型。本工作的目标是提出一种用于条件非参数分布函数(CDF)的动态模型，以生成可再生发电时间序列的概率预测。为此，我们提出了一种由正则化多分位数回归(MQR)框架驱动的自适应非参数时间序列模型。在我们的方法中，所有回归模型通过一个单一的线性优化问题联合估计，该问题在多项式时间内求得全局最优参数。我们工作的一个创新点是考虑了分位数空间中系数一阶导数的Lipschitz正则化，从而强制系数平滑。所提出的正则化在分位数之间诱导了一种耦合效应，形成了一个具有改进样本外性能的单非参数CDF模型。一个使用来自巴西系统的真实风电发电数据的案例研究表明：1)该正则化模型能够改善MQR概率预测的性能；2)我们的MQR模型优于五个相关基准：两个基于MQR框架，三个基于参数模型，即SARIMA，以及带有Beta和Weibull CDF的GAS。
引用
@article{arxiv.2003.09983,
title = {A Multi-Quantile Regression Time Series Model with Interquantile Lipschitz Regularization for Wind Power Probabilistic Forecasting},
author = {Marcelo Ruas and Alexandre Street and Cristiano Fernandes},
journal= {arXiv preprint arXiv:2003.09983},
year = {2021}
}
备注
17 pages, 7 figures