从分布式到分位神经基线模型：电力价格预测中的案例研究
机器学习
2025-09-18 v1
摘要
虽然神经网络在多步概率预测中正在实现高预测准确率，但对于导致特征条件化输出的底层机制仍然是一个面临forecasters 的重大挑战。本文通过引入分位神经基线模型（Quantile Neural Basis Model），将分位广义可加模型的可解释性原理整合到端到端神经网络训练框架中，以进一步一步地解决这一关键问题。为此，我们利用共享基分解和权重分解，补充了位置、尺度和形状的神经模型，避免了任何参数化分布假设。我们在日前电力价格预测中验证了该方法，实现的预测性能与分布式和分位回归神经网络相当，但通过从输入特征到跨时域输出预测的所学非线性映射，能够为模型行为提供有价值的洞察。
引用
@article{arxiv.2509.14113,
title = {From Distributional to Quantile Neural Basis Models: the case of Electricity Price Forecasting},
author = {Alessandro Brusaferri and Danial Ramin and Andrea Ballarino},
journal= {arXiv preprint arXiv:2509.14113},
year = {2025}
}
备注
6 pages