利用注意力机制建模居住行为中的长期依赖性
综合经济学
2021-01-05 v1 经济学
摘要
基于不同住户和家庭类型及其行为模式模拟家庭能源需求的模型，在过去几年中受到越来越多的关注，因为需要更好地理解塑造需求侧的基本特征。文献中描述的大多数模型基于时间使用调查数据和马尔可夫链。由于基础数据的性质和马尔可夫性质，无法充分考虑居住者行为中的日间依赖性。准确映射日间依赖性对于准确再现移动模式以及评估电动汽车的充电灵活性越来越重要。本研究弥合了能源相关活动建模与新颖机器学习方法之间的差距，目的是更好地将社会实践理论领域的发现纳入居住行为模拟中。通过使用基于注意力的模型，将每周移动数据与每日时间使用调查数据合并。第一步，提出一个自回归模型，生成个体居住者的合成每周移动时间表，从而捕捉移动行为中的日间依赖性。第二步，提出一个插补模型，用关于家庭中能源相关活动的详细信息丰富每周移动时间表。每周活动概况构成了建模家庭一致的电、热和移动需求概况的基础。此外，所提出的方法为向公众提供社会人口统计学差异化的居住者行为数据奠定了基础。
引用
@article{arxiv.2101.00940,
title = {Using attention to model long-term dependencies in occupancy behavior},
author = {Max Kleinebrahm and Jacopo Torriti and Russell McKenna and Armin Ardone and Wolf Fichtner},
journal= {arXiv preprint arXiv:2101.00940},
year = {2021}
}
备注
10 pages, Tackling Climate Change with Machine Learning workshop at NeurIPS 2020