文献

J-GLOBAL ID：201802267865215783   整理番号：18A1773828

多点予測からの確率的負荷予測の構築:ブートストラップに基づくアプローチ【JST・京大機械翻訳】

Constructing Probabilistic Load Forecast From Multiple Point Forecasts: A Bootstrap Based Approach

著者 (5件)： Zhang Jiawei (Department of Physics, Tsinghua University, Beijing, China) ,  Wang Yi (Department of Electrical Engineering, Tsinghua University, Beijing, China) ,  Sun Mingyang (Department of Electrical & Electronic Engineering, Imperial College London London, London, UK) ,  Zhang Ning (Department of Electrical Engineering, Tsinghua University, Beijing, China) ,  Kang Chongqing (Department of Electrical Engineering, Tsinghua University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISGT Asia  ページ： 184-189  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 確率的負荷予測は,点予測より予測の可能な偏差に関するより多くの情報を提示した。点予測を行うことができる十分な回帰モデルがある。直感的な問題を提起することができる:確率または区間予測を構築するために点予測を結合する方法がある。本論文では,ブートストラップベースのアンサンブルアプローチを提唱し,複数のポイント予測から予測間隔を構築した。具体的には,多重点予測モデルを最初にブートストラップサンプリング訓練データセットと異なる予測モデルに基づいて訓練した。次に,ブートストラップを多重点予測に再び適用した。最後に,サンプリング点予測の分布に従って,定量値を推定した。2つの一般的機械学習方法,ランダムフォレスト(RF)と勾配ブースティング回帰ツリー(GBRT)は,提案した予測フレームワークの実現可能性をテストするために結合した。定量的RF(Q-RF)と定量的GBRT(Q-GBRT)と比較して,数値実験はQ-RFとQ-GBRTに関するその利点を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ブートストラップ ,  *予測 ,  負荷予測 ,  回帰モデル ,  予測モデル
準シソーラス用語： 訓練データ ,  ブースティング ,  数値実験 ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 予測 ,  確率 ,  負荷予測 ,  構築 ,  ブートストラップ