扩展协同竞争软门控集成

本文关于一种近期集成方法——协同竞争软门控集成（CSGE）的扩展及其在功率预测以及骑行者运动基元预测上的应用。CSGE 已成功用于风电功率预测领域，优于该领域的常见算法。CSGE 的主要思想是根据模型在训练期间在不同方面的观测表现对其进行加权。本文对原始 CSGE 提出了若干扩展，使集成更加灵活和强大。扩展的 CSGE（我们称之为 XCSGE）被用于预测风电场和太阳能农场的发电量。此外，XCSGE 被应用于在驾驶辅助系统背景下预测骑行者的运动状态。这两个领域需求不同、均为非平凡问题，并用于评估新颖 XCSGE 的多个方面。这两个问题在数据集规模和特征数量上根本不同。功率预测基于易受特征波动影响的天气预报。在骑行者运动基元预测中，时间延迟增加了预测难度。与表现最差的模型相比，XCSGE 在风电预测上预测性能提升达 11%，在太阳能发电预测上达 30%。对于骑行者运动基元的分类，XCSGE 提升达 28%。评估包括与其他最先进集成方法的比较。我们可以使用 Nemenyi 事后检验验证 XCSGE 结果显著更优。