GEFCOM 2014 - 概率电价预测
机器学习
2015-06-24 v1 计算工程、金融与科学
机器学习
应用统计
摘要
能源价格预测在多步时间序列预测领域是一项相关但困难的任务。在本文中，我们比较了一种著名且成熟的方法，即带外生变量的ARMA，与一种相对较新的技术梯度提升回归(Gradient Boosting Regression)。该方法在来自2014年全球能源预测竞赛(Global Energy Forecasting Competition 2014)的数据上进行了测试，采用长达一年的滚动窗口预测。实验结果表明，多模型方法在误差指标方面表现显著更好。梯度提升可以开箱即用地处理季节性和自相关，并在真实世界数据上实现更低的归一化平均绝对误差率。
引用
@article{arxiv.1506.06972,
title = {GEFCOM 2014 - Probabilistic Electricity Price Forecasting},
author = {Gergo Barta and Gyula Borbely and Gabor Nagy and Sandor Kazi and Tamas Henk},
journal= {arXiv preprint arXiv:1506.06972},
year = {2015}
}
备注
10 pages, 5 figures, KES-IDT 2015 conference. The final publication is available at Springer via http://dx.doi.org/10.1007/978-3-319-19857-6_7