×

使用贝叶斯网络为非正常数据建模能源市场。 (英语) Zbl 07205157号

概述:能源市场通常具有高度复杂性的特点,这是因为存在大量不同性质的变量及其关联结构。估计一个能够正确表示变量之间依赖关系的统计模型对于管理这种复杂性至关重要。本文利用贝叶斯网络研究了受水电可用性影响的简单能源市场。由于感兴趣的变量是定量但非高斯的,因此使用非参数策略推断哥伦比亚能源市场关联结构。我们建议将UniNet公司学习算法和Rank PC算法均基于正态copula假设和Spearman相关度量,以探讨估计模型中的差异。最后,通过对一些场景的讨论,展示了能源管理器的模型可用性。

MSC公司:

900亿 运筹学与管理科学
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 贝德福德,T。;Cooke,Rm,Vines:相依随机变量的新图形模型,Ann Stat,30,4,1031-1068(2002)·Zbl 1101.62339号 ·doi:10.1214/aos/1031689016
[2] Buntine,W.,《从数据中学习概率网络的文献指南》,IEEE Trans Knowl data Eng,8,2,195-210(1996)·doi:10.1109/69.494161
[3] 辛纳,D。;Kayakutlu,G.,《使用贝叶斯网络的情景分析:能源部门的案例研究》,《基于知识的系统》,23,3,267-276(2010)·doi:10.1016/j.knosys.2010.01.009
[4] 科伦坡,D。;Maathuis,Mh,基于顺序独立约束的因果结构学习,J Mach Learn Res,153741-3782(2014)
[5] Cooke RM(1997)树和藤因变量的马尔可夫和熵特性。收录于:贝叶斯统计科学ASA部分的论文集。http://ssor.twi.tudelft.nl/风险/
[6] 库珀,Gf;Herskovits,E.,《从数据库构建贝叶斯信念网络的贝叶斯方法》,《马赫学习》,9,4,309-347(1992)·Zbl 0766.68109号
[7] 科威尔,Rg;Dawid,P。;Lauritzen,Sl;Spiegelhalter,Dj,概率网络和专家系统(1999),纽约:Springer,纽约·兹伯利0937.68121
[8] Dalla Valle,L.,使用连接函数进行官方统计数据集成,Qual Technol Quant Manag,111-131(2014)·doi:10.1080/16843703.2014.11673329
[9] Dalla Valle,L。;Kenett,Rs,《提高信息质量的官方统计数据集成》,Qual Reliab Eng Int,31,7,1281-1300(2015)·doi:10.1002/qre.1859
[10] 美国哈尼亚;Kurowicka,D。;库克,Rm,量化和分析贝叶斯信念网的混合方法,Qual Reliab Eng Int,22,6,709-729(2006)·doi:10.1002/qre.808
[11] Hanea,A。;Kurowicka,D。;库克·R。;Ababei,D.,用非参数连续bbns挖掘和可视化有序数据,《计算统计数据分析》,54,3,668-687(2010)·Zbl 1464.62085号 ·doi:10.1016/j.csda.2008.09.032
[12] Heckerman D(1995)关于贝叶斯网络学习的教程。技术代表·Zbl 1196.62027号
[13] Kalisch,M。;Bühlmann,P.,用pc-算法估计高维有向非循环图,J Mach Learn Res,8,613-636(2007)·Zbl 1222.68229号
[14] Kalisch M,Mächler M,Colombo D,Maathuis MH,Bühlmann P(2012)使用图形模型和R包pcalg进行因果推断。J Stat Softw杂志47(11):1-26。http://www.jstatsoft.org/v47/i11/
[15] Kurowicka,D。;Cooke,R.,《高维相关性建模的不确定性分析》(2006),纽约:威利出版社·兹比尔1096.62073
[16] Kurowicka D,Cooke R(2010)《藤蔓和连续非参数贝叶斯信念网络》,重点是模型学习,第卷《重新思考风险度量和报告》。《不确定性、贝叶斯分析和专家判断》,风险书籍,伦敦,第24章,第295-329页
[17] Morales-Napoles O,Kurowicka D,Cooke R,Ababei D(2007),未经网络的航空安全中的连续离散分布自由贝叶斯信念网。TU Delft技术代表
[18] 纳夫塔利,H。;Drton,M.,非规范图形模型的Pc算法,J Mach Learn Res,14,3365-3383(2013)·Zbl 1318.62197号
[19] 那不勒斯,Re,Learning Bayesian networks(2003),Upper Saddle River:Prentice-Hall Inc,Upper Saddle River
[20] Sklar,A.,《重新划分维度和市场的功能》,巴黎国立大学公共研究所,8229-231(1959)·Zbl 0100.14202号
[21] Spirtes,P.(螺旋体,P.)。;Glymour,C。;Scheines,R.,因果、预测和搜索(2000),剑桥:麻省理工学院出版社,剑桥·Zbl 0806.62001
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。