基于Stacking的概率性短期负荷预测
机器学习
2024-06-18 v1 人工智能
摘要
在本研究中，我们深入探讨了元学习领域，以结合点基础预测用于概率性短期电力需求预测。我们的方法包括使用分位数线性回归、分位数回归森林以及涉及残差模拟的后处理技术来生成分位数预测。此外，我们引入了元学习的全局和局部变体。在局部学习模式中，元模型使用与查询模式最相似的模式进行训练。通过涵盖35个预测场景并使用16个基础预测模型的广泛实验研究，我们的结果强调了分位数回归森林相对于其竞争对手的优越性。
引用
@article{arxiv.2406.10718,
title = {Stacking for Probabilistic Short-term Load Forecasting},
author = {Grzegorz Dudek},
journal= {arXiv preprint arXiv:2406.10718},
year = {2024}
}
备注
International Conference on Computational Science, ICCS'24