利用实时数据流与分层预测协调增强预测：应用于能源领域
统计方法学
2024-11-05 v1
摘要
提出了一种新颖的分层预测更新框架，解决了预测文献中的一个关键空白。通过假设时间分层结构，该创新方法将分层预测协调扩展，以有效应对部分观测数据带来的挑战。这一关键扩展使得结合实时数据，能够在整个人工时间分层结构中获得更新且一致的预测，从而提高决策准确性。该框架涉及根据新数据更新基础模型，产生修正的基础预测。随后进行剪枝步骤，整合新可用的数据，使得可以应用任何预测协调方法以获得完全更新的协调预测。此外，该框架不仅确保预测之间的一致性，还提高了整个分层结构中的整体准确性。其固有的灵活性和可解释性使用户能够简洁地执行分层预测更新。该方法在模拟研究中得到了广泛演示，涉及各种设置，并比较了不同的数据生成过程、分层结构和协调方法。通过能源领域的两个案例研究——能源发电和太阳能数据——展示了实际适用性，该框架相较于未纳入新数据的基础模型产生了更优的结果，从而实现了更精确的决策结果。
引用
@article{arxiv.2411.01528,
title = {Enhancing Forecasts Using Real-Time Data Flow and Hierarchical Forecast Reconciliation, with Applications to the Energy Sector},
author = {Lukas Neubauer and Peter Filzmoser},
journal= {arXiv preprint arXiv:2411.01528},
year = {2024}
}