Daily electricity price forecasting (report)
Материал из MachineLearning.
(Новая: '''Введение в проект''' == Описание проекта == === Цель проекта === Цель проекта - прогнозирование ежедневны...) |
(→Постановка задачи) |
||
| Строка 18: | Строка 18: | ||
Мы испольуем предположение о линейной зависимости откликов от признаков или их различных производных. Также модель должна использовать периодичность конечных данных. | Мы испольуем предположение о линейной зависимости откликов от признаков или их различных производных. Также модель должна использовать периодичность конечных данных. | ||
== Постановка задачи == | == Постановка задачи == | ||
| - | У нас есть матрица начальных данных <tex>X</tex> и столбец ответов <tex>Y</tex>. Задача - восстановление регрессии <tex>Y=X \beta</tex>, то есть нахождение вектора <tex>\beta</tex>. | + | У нас есть матрица начальных данных <tex>X</tex> и столбец ответов <tex>Y</tex>. Задача - восстановление регрессии <tex>Y=X \beta</tex>, то есть нахождение вектора <tex>\hat{\beta}</tex>, который бы давал наименьшую ошибку на новых данных <tex>\tilde{Y}</tex>. |
== Описание алгоритмов == | == Описание алгоритмов == | ||
Версия 11:48, 6 октября 2009
Введение в проект
Описание проекта
Цель проекта
Цель проекта - прогнозирование ежедневных цен на электричество. Горизонт прогнозирования - один месяц.
Обоснование проекта
Полученные данные могут быть использованы для хеджинга или другой игры на свободном рынке цен на электричество.
Описание данных
У нас есть данные с 01/01/2003 до сегодняшнего дня. Данные для прогнозирования состоят из временного ряда, различных погодных параметров (температура, скорость ветра, относительная влажность, ...) и средних цен на электричество.
Критерии качества
Критерием качества служит скользящий контроль. Мы разбиваем данные на основную выборку - все данные без данных за последний месяц и контрольную выборку - данные за последний месяц. Эту процедуру можно повторить для всех месяцев полседнего года. Целевая функция MAPE (средняя абсолютная ошибка в процентах) для посленего месяца.
Требования к проекту
Месячная ошибка для нашего алгоритма должна быть меньше ошибки для алгоритма заказчика (LASSO).
Выполнимость проекта
В данных отсутствует информация о пиках, предсказание которых является отдельной задачей.
Используемые методы
Мы испольуем предположение о линейной зависимости откликов от признаков или их различных производных. Также модель должна использовать периодичность конечных данных.
Постановка задачи
У нас есть матрица начальных данных и столбец ответов
. Задача - восстановление регрессии
, то есть нахождение вектора
, который бы давал наименьшую ошибку на новых данных
.
Описание алгоритмов
Обзор литературы
Базовые предположения
Математическое описание
Варианты или модификации
Описание системы
- Ссылка на файл system.docs
- Ссылка на файлы системы
Отчет о вычислительных экспериментах
Визуальный анализ работы алгоритма
Анализ качества работы алгоритма
Анализ зависимости работы алгоритма от параметров
Отчет о полученных результатах
Список литературы
| Данная статья является непроверенным учебным заданием.
До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе. |
