基于分段线性回归与膨胀因果CNN的中长期日用电量预测
机器学习
2023-10-25 v1
摘要
日用电量预测是一个经典问题。现有预测算法在节假日等特殊日期上往往精度下降。本研究将日用电量序列分解为趋势、季节和残差三个分量，并构建了一种以分段线性回归为滤波器、膨胀因果CNN为预测器的两阶段预测方法。具体步骤包括在时间轴上设置断点，并融入月、星期几和节假日等独热编码信息拟合分段线性回归模型。对于具有挑战性的春节预测，模型中以三次多项式形式引入距离作为变量。前一步获得的残差序列使用膨胀因果CNN建模，最终日用电量预测为两阶段预测之和。实验结果表明，与现有方法相比，该方法实现了更高的精度。
引用
@article{arxiv.2310.15204,
title = {Mid-Long Term Daily Electricity Consumption Forecasting Based on Piecewise Linear Regression and Dilated Causal CNN},
author = {Zhou Lan and Ben Liu and Yi Feng and Danhuang Dong and Peng Zhang},
journal= {arXiv preprint arXiv:2310.15204},
year = {2023}
}
备注
Key words: Daily electricity consumption forecasting; time series decomposition; piecewise linear regression; Dilated Causal CNN