Краткосрочное прогнозирование почасовых цен на электроэнергию (пример)
Материал из MachineLearning.
В работе описывается и производится сравнение эффективности ряда алгоритмов для краткосрочного прогнозирования цен на электроэнергию: SSA, авторегрессии, гребневой регрессии, метода наименьших углов, метода построения локальных регрессионных моделей. В вычислительном эксперименте приводятся результаты работы перечисленных алгоритмов, сравнивается точность из прогнозов.
Содержание |
Постановка задачи
Временным рядом называется последовательность измерений некоторой величины через фиксированные промежутки времени: Требуется предсказать следующие значений последовательности: Рассматриваемый временной ряд имеет периодическую составляющую с периодом , на который и будет производиться прогноз: Для контроля качества алгоритма прогноза будем выделять во временном ряде последовательных значений (контрольную выборку), которые алгоритм будет прогнозировать по всем предыдущим значениям. В качестве критерия качества прогноза будем использовать следующий функционал: , где - прогнозируемое значение , --- фактическое значение.
Пути решения задачи
Не более 1/2 стр.
Смотри также
- [ Ссылка на текст статьи]
- [ Ссылка на код]
Литература
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. |