×
玛丽·德瓦因;皮埃尔·盖拉德;亚尼·古德;吉尔斯·斯托尔茨

通过聚集专业专家预测电力消耗。 （英语） Zbl 1260.62090号

机器。学习。 90，第2期，231-260（2013）.
摘要：我们考虑基于专业专家的任意序列序列预测设置。我们首先回顾了相关文献，并提出了两个理论贡献：对专家聚集规则的一般分析Y.弗伦德等。[使用和组合专门化的预测因子。1997年STOC第29届ACM计算理论年会论文集。纽约州纽约市：ACM出版社。334–343（1997）]和固定股份规则的改编M.赫伯斯特和M.K.Warmuth先生《马赫·学习》第32卷第2期第151-178页（1998年；Zbl 0912.68165号)]. 然后，我们将这些规则应用于电力消耗的连续短期（提前一天）预测。为此，我们考虑两个数据集，一个是斯洛伐克数据集，另一个是法国数据集，分别与每小时和半小时预测有关。我们遵循一般方法来执行所述的实证研究，并详细说明学习参数的特定调整问题。引入的聚合规则证明了提高了手头数据集的准确性；改进之处在于减少了均方误差，但对于较大的偶发误差也有了更稳健的表现。

引用于7文件

MSC公司：

第60页 统计学在工程和工业中的应用；控制图

关键词：

专家建议预测;专业专家;实际数据的应用

引文：

Zbl 0912.68165号

软件：

加迈尔
PDF格式BibTeX公司 XML格式引用
\textit{M.Devaine}等人，马赫。学习。90，第2号，231--260（2013；Zbl 1260.62090）
全文： 内政部 arXiv公司

参考文献：

[1] Antoniadis，A.、Paparoditis，E.和Sapatinas，T.（2006年）。时间序列预测的函数小波核方法。英国皇家统计学会杂志。B系列：统计方法，68（5），837-857·Zbl 1110.62122号 ·文件编号：10.1111/j.1467-9868.2006.00569.x
[2] 安东尼亚迪斯，A。；布罗萨特，X。；库利亚里，J。；Poggi，J.M.，《使用小波对函数数据进行聚类》（2010年）
[3] Auer，P.、Cesa Bianchi，N.和Gentile，C.（2002年）。自适应和自信的在线学习算法。计算机与系统科学杂志，64，48-75·Zbl 1006.68162号 ·doi:10.1006/jcss.2001.1795
[4] Blum，A.（1997年）。winnow和weighted-mahority算法的经验支持：日历调度域上的结果。机器学习，26，5-23·doi:10.1023/A:1007335615132
[5] Blum，A.和Mansour，Y.（2007年）。从外部遗憾到内部遗憾。机器学习研究杂志，81307-1324·Zbl 1222.68150号
[6] 鲍罗丁，A。；El-Yaniv，R。；Gogan，V.，《投资组合选择的竞争理论与实践》，173-196（2000）·Zbl 0966.91039号
[7] Bruhns，A。；Deurvehier，G。；Roy，J.-S.，《中期负荷预测和季节性改进的非线性回归模型》（2005年）
[8] Bunn，D.W.和Farmer，E.D.（1985）。电力负荷预测的比较模型。纽约：Wiley。
[9] Cesa-Bianchi，N.和Lugosi，G.（2003）。在线预测和博弈论中基于潜力的算法。机器学习，51，239-261·Zbl 1026.68152号 ·doi:10.1023/A:1022901500417
[10] Cesa-Bianchi，N.和Lugosi，G.（2006年）。预测、学习和游戏。剑桥：剑桥大学出版社·Zbl 1114.91001号 ·doi:10.1017/CBO9780511546921
[11] Cesa-Bianchi，N.、Mansour，Y.和Stoltz，G.（2007年）。改进了专家建议下预测的二阶不等式。机器学习，66，321-352·Zbl 1471.91074号 ·doi:10.1007/s10994-006-5001-7
[12] Cover，T.M.（1991）。通用投资组合。数学金融，1，1-29·Zbl 0900.90052号 ·doi:10.1111/j.1467-9965.1991.tb00002.x
[13] Dani，V。；O.马达尼。；潘诺克，D。；桑海，S。；Galebach，B.，聚合专家预测算法的经验比较（2006年）
[14] Dashevskiy，M.和Luo，Z.（2011年）。具有性能保证的时间序列预测。IET通信，51044-1051·doi:10.1049/iet-com.2010.0121
[15] Rooij，S。；Erven，T.，通过在线离散伯努利源学习切换速率（2009）
[16] Devaine，M.、Goude，Y.和Stoltz，G.（2009年）。汇总睡眠预测因子以预测电力消耗（技术报告）。2009年7月，巴黎埃科尔·诺曼底Supérieure和法国电力公司研发中心Clamart。可在http://www.math.ens.fr/
[17] Dordonat，V.、Koopman，S.J.、Ooms，M.、Dessertaine，A.和Collet，J.（2008）。用于模拟法国国家电力负荷的每小时周期状态空间模型。国际预测杂志，24566-587·doi:10.1016/j.ij预测.2008.08.010
[18] 弗伦德，Y。；夏皮雷，R。；辛格，Y。；Warmuth，M.，使用和组合专门化的预测因子，334-343（1997）·Zbl 0962.68174号
[19] Gaillard，P.、Goude，Y.和Stoltz，G.（2011年）。通过专业专家汇总进一步了解电力消耗预测（技术报告）。2011年7月，巴黎埃科尔·诺曼底Supérieure和法国电力公司研发中心Clamart。2012年2月更新；可在获取网址：http://ulminfo.fr/ ·Zbl 1260.62090号
[20] Gerchinovitz，S.、Mallet，V.和Stoltz，G.（2008）。进一步研究臭氧集合预测的顺序聚合规则（技术报告）。Inria Paris-Rocquencourt和巴黎高等师范学院，2008年9月。可在http://www.math.ens.fr/
[21] Goude，Y.（2008a）。语言专家和应用程序协调语言。巴黎南十一大学博士论文，2008年1月。
[22] Goude，Y.，使用基于检测的算法跟踪最佳预测器（2008）
[23] Herbster，M.和Warmuth，M.（1998年）。追踪最佳专家。机器学习，32，151-178·Zbl 0912.68165号 ·doi:10.1023/A:1007424614876
[24] Jacobs，A.Z.（2011）。通过不断增长的预测集合来适应非国家性。西北大学硕士论文。
[25] Kleinberg，R.D。；尼古列斯库·马齐尔（Niculescu-Mizil），A。；夏尔马，Y.，《为熟睡的专家和强盗感到后悔》，425-436（2008）
[26] Mallet，V.（2010年）。分析的集合预测：耦合数据同化和序列聚合。《地球物理研究杂志》，115，D24303·doi:10.1029/2010JD014259
[27] Mallet，V.、Stoltz，G.和Mauricette，B.（2009年）。使用机器学习算法进行臭氧集合预测。地球物理研究杂志，114，D05307·doi:10.1029/2008JD009978
[28] 蒙特利奥尼，C。；Jaakkola，T.，非平稳序列的在线学习，第16期，1093-1100（2003）
[29] Monteleoni，C.、Schmidt，G.、Saroha，S.和Asplund，E.（2011年）。跟踪气候模型。统计分析和数据挖掘，4372-392。特刊“2010年最佳CIDU”·Zbl 07260290号 ·doi:10.1002/sam.10126
[30] Pierrot，A。；Goude，Y.，《使用广义加性模型进行短期电力负荷预测》（2011年）
[31] Pierrot，A。；北拉卢克。；Goude，Y.，《使用广义加性模型进行短期电力负荷预测》（2009年）
[32] Stoltz，G.和Lugosi，G.（2005）。在线投资组合选择中的内部遗憾。机器学习，59125-159·Zbl 1111.91020号 ·doi:10.1007/s10994-005-0465-4
[33] 沃夫克，V。；Zhdanov，F.，《Brier游戏的预测与专家建议》（2008）·兹比尔1235.91027
[34] Wood，S.N.（2006）。广义可加模型：R.London/Boca Raton:Chapman&Hall/CRC简介·Zbl 1087.62082号
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。