基于高斯 Copula 的自适应集成学习用于负荷预测
机器学习
2025-08-26 v1
摘要
机器学习 (ML) 能够从完整数据中实现准确的负荷预测。然而，数据收集存在许多不确定性，导致数据稀疏。本文提出一种名为 Adaptive Ensemble Learning with Gaussian Copula 的模型，用于处理稀疏性，其包含三个模块：数据补全、ML 构建和自适应集成。首先应用高斯 Copula 消除稀疏性。随后使用五个 ML 模型分别进行预测。最后采用自适应集成获取最终加权求和结果。实验表明，该模型具有较强的鲁棒性。
引用
@article{arxiv.2508.17700,
title = {Adaptive Ensemble Learning with Gaussian Copula for Load Forecasting},
author = {Junying Yang and Gang Lu and Xiaoqing Yan and Peng Xia and Di Wu},
journal= {arXiv preprint arXiv:2508.17700},
year = {2025}
}