缺失数据下的短期光伏预测不确定性：基于多重插补的方法
机器学习
2026-03-17 v1 应用统计
机器学习
摘要
缺失值在光伏发电数据中常见，但所引发的不确定性未被传递到预测分布中。我们发展了一个框架，将缺失数据不确定性纳入短期光伏预测，通过结合随机多重插补与 Rubin 规则。该方法具有模型无关性，可集成到标准机器学习预测器中。实证结果表明，忽略缺失数据不确定性会导致预测区间过窄。考虑该不确定性后，可改善区间校准，同时保持相当的点预测准确性。这些结果表明，在数据驱动的光伏预测中，传播插补不确定性的重要性。
引用
@article{arxiv.2603.15564,
title = {Predictive Uncertainty in Short-Term PV Forecasting under Missing Data: A Multiple Imputation Approach},
author = {Parastoo Pashmchi and Jérôme Benoit and Motonobu Kanagawa},
journal= {arXiv preprint arXiv:2603.15564},
year = {2026}
}
备注
10 pages