输入不确定性存在下预测模型的性能研究
机器学习
2017-07-18 v1
摘要
如今，随着可再生分布式能源资源（DERs）前所未有的普及，对高效能源预测模型的需求比以往任何时候都更为迫切。通常，预测模型是利用观测到的气象数据进行训练的，而训练好的模型则利用预测的气象数据进行能源预测。本研究评估并比较了在存在具有不确定性的气象预测因子情况下，几种常用预测方法的性能。为此，我们收集了观测和预测的气象数据，然后利用多种度量标准选择了用于太阳能光伏（PV）发电预测模型的关键预测因子。利用观测和预测的气象数据，通过平均绝对误差（MAE）和自助法（bootstrapping）分析了气象变量的不确定性。该能源预测模型使用观测气象数据进行训练，最后针对一个实际案例研究，模拟并比较了几种常用预测方法在太阳能能源预测中的性能。
引用
@article{arxiv.1707.04692,
title = {On the Performance of Forecasting Models in the Presence of Input Uncertainty},
author = {Hossein Sangrody and Morteza Sarailoo and Ning Zhou and Ahmad Shokrollahi and Elham Foruzan},
journal= {arXiv preprint arXiv:1707.04692},
year = {2017}
}