用于电力消费预测的面板半参数分位数回归神经网络
机器学习
2021-03-02 v1 机器学习
计量经济学
摘要
在长期深化改革与开放中，中国电力工业取得巨大成就。然而，复杂的区域经济、社会和自然条件导致电力资源分布不均，这也是中国部分地区电力短缺的原因。有必要开发稳健的电力预测模型。受此启发，我们利用人工神经网络与半参数分位数回归提出面板半参数分位数回归神经网络（PSQRNN）。PSQRNN可探索变量间潜在的线性与非线性关系，解释未观测的省级异质性，同时保持参数模型的可解释性。PSQRNN通过结合带惩罚的分位数回归与LASSO、岭回归及反向传播算法进行训练。为评估预测精度，基于三种情景对中国1999至2018年省级电力消费进行实证分析。由此发现，考虑经济与气候因素的PSQRNN模型在电力消费预测中表现更优。最后，预测报告了中国未来 年（2019-2023）省级电力消费。
引用
@article{arxiv.2103.00711,
title = {Panel semiparametric quantile regression neural network for electricity consumption forecasting},
author = {Xingcai Zhou and Jiangyan Wang},
journal= {arXiv preprint arXiv:2103.00711},
year = {2021}
}
备注
30