基于新型最近邻分位数滤波器的概率能量预测分位数回归
机器学习
2019-10-08 v1 机器学习
摘要
参数化分位数回归是生成概率能量预测的有用工具。然而，由于经典分位数回归使用不可微代价函数进行训练，利用复杂数据挖掘技术(例如人工神经网络)创建它们可能较为困难。本文提出一种方法，使用新型最近邻分位数滤波器来获得分位数回归，该方法独立于所使用的数据挖掘技术且无需不可微代价函数。随后，使用2014年全球能源预测竞赛的数据集对所提方法进行验证。结果表明，所提方法能够以与竞赛冠军相似的精度与相似的时间解决竞赛任务，但所需计算机性能远低于后者。该特性在在线预测服务中可能具有重要意义，此类服务需使用性能不强的机器快速计算概率预测。
引用
@article{arxiv.1903.07390,
title = {Probabilistic Energy Forecasting using Quantile Regressions based on a new Nearest Neighbors Quantile Filter},
author = {Jorge Ángel González Ordiano and Lutz Gröll and Ralf Mikut and Veit Hagenmeyer},
journal= {arXiv preprint arXiv:1903.07390},
year = {2019}
}
备注
36 pages, 5 figures, 5 tables