基于分位数回归的GEFCom2017概率负荷预测资格赛方法
应用统计
2019-10-17 v1 统计计算
统计方法学
机器学习
其他统计学
摘要
我们提出了一种简单的基于分位数回归的预测方法，应用于2017年全球能源预测竞赛（GEFCom2017）的概率负荷预测框架中。 hourly负荷数据经过对数变换，并分解为长期趋势分量和余项。预测的关键要素是针对余项的分位数回归方法，该方法考虑了周度和年度季节性及其交互作用。温度信息仅用于稳定长期趋势分量的预测。公共假日信息被忽略。尽管如此，该预测方法在公开数据赛道中获得第二名，在确定数据赛道中获得第四名，考虑到模型的简洁性，这是令人瞩目的。该方法也一致地优于Vanilla基准。
引用
@article{arxiv.1809.03561,
title = {Quantile Regression for Qualifying Match of GEFCom2017 Probabilistic Load Forecasting},
author = {Florian Ziel},
journal= {arXiv preprint arXiv:1809.03561},
year = {2019}
}
备注
accepted for International Journal of Forecasting