基于规则的季节性自回归移动平均模型用于特殊日期负荷预测：以法国为例
应用统计
2018-03-28 v1
摘要
本文介绍了法国短期负荷预测的案例研究，重点关注公共假期等特殊日期。我们研究了一种近期提出的方法在法国数据上的泛化能力，该方法通过基于规则的方法将主观判断纳入单变量统计模型，从而在一个连贯且统一的框架内生成正常日期和特殊日期的预测。负荷中的日内、周内和年内季节性通过季节性自回归移动平均 (SARMA) 模型的基于规则的三重季节性自适应来处理。我们发现，为了应用于法国负荷，该方法需要进行重要调整。我们还调整了近期提出的一种 SARMA 模型，该模型使用指示变量在小时尺度上适应特殊日期效应。利用专门为法国负荷制定的规则，我们基于对点和密度预测精度的评估，将 SARMA 模型与一系列不同的基准方法进行了比较。作为复杂的基准，我们采用了 Holt-Winters-Taylor (HWT) 指数平滑和人工神经网络 (ANN) 的基于规则的三重季节性自适应。我们使用了九年的半小时法国负荷数据，并考虑了从半小时到提前一天的预测时间。基于规则的 SARMA 方法生成了最准确的预测。
引用
@article{arxiv.1803.09590,
title = {Rule-based Autoregressive Moving Average Models for Forecasting Load on Special Days: A Case Study for France},
author = {Siddharth Arora and James W. Taylor},
journal= {arXiv preprint arXiv:1803.09590},
year = {2018}
}
备注
11 figures, 3 tables