In this paper univariate models for

In this paper univariate models for short-term load forecasting based on linear regression and patterns of daily cycles of load time series are proposed. The patterns used as input and output variables simplify the forecasting problem by filtering out the trend and seasonal variations of periods longer than the daily one. The nonstationarity in mean and variance is also eliminated. The simplified relationship between variables (patterns) is modeled locally in the neighborhood of the current input using linear regression. The load forecast is constructed from the forecasted output pattern and the current values of variables describing the load time series. The proposed stepwise and lasso regressions reduce the number of Predictors to a few. In the principal components regression and partial least-squares regression only one predictor is used. This allows us to visualize the data and regression function. The performances of the proposed methods were compared with that of other models based on ARIMA, exponential smoothing,neural networks and Nadaraya–Watson estimator. Application examples confirm valuable properties ofthe proposed approaches and their high accuracy.

ผลลัพธ์ (ไทย) 1:

ในนี้อย่างไร univariate กระดาษ รูปแบบสำหรับการพยากรณ์โหลดระยะสั้นตามการถดถอยเชิงเส้น และมีการนำเสนอรูปแบบของวงจรรายวันของชุดเวลาโหลด รูปแบบการใช้เป็นข้อมูล และตัวแปรผลง่ายปัญหาคาดการณ์ โดยการกรองออกแนวโน้มการเปลี่ยนแปลงตามฤดูกาลของรอบระยะเวลาที่เกินหนึ่งวัน นอกจากนี้ยังมีตัด nonstationarity ค่าเฉลี่ยและความแปรปรวน ความสัมพันธ์อย่างง่ายระหว่างตัวแปร (รูปแบบ) จำลองภายในของปัจจุบันเข้าใช้การถดถอยเชิงเส้น โหลดการคาดการณ์จะสร้างจากรูปแบบผลผลิตที่คาดการณ์และค่าปัจจุบันของตัวแปรที่อธิบายชุดเวลาโหลด การนำเสนอ stepwise และแบบ lasso regressions จำนวน Predictors ไปกี่ ในส่วนประกอบหลักถดถอยและถดถอยยกกำลังสองน้อยที่สุดบางส่วน จำนวนประตูเดียวกัน นี้ช่วยให้เราเห็นภาพการทำงานข้อมูลและถดถอย แสดงวิธีนำเสนอถูกเปรียบเทียบกับของรุ่นอื่น ๆ ตามอา ราบเรียบเนน เครือข่ายประสาทประมาณ Nadaraya-วัตสัน โปรแกรมประยุกต์ตัวอย่างยืนยันคุณสมบัติคุณค่าของวิธีการนำเสนอและความแม่นยำสูง

ผลลัพธ์ (ไทย) 2:

ในบทความนี้รุ่น univariate สำหรับการพยากรณ์โหลดระยะสั้นขึ้นอยู่กับการถดถอยเชิงเส้นและรูปแบบของรอบประจำวันของชุดเวลาในการโหลดมีการเสนอ รูปแบบที่ใช้เป็น input และตัวแปรที่ส่งออกลดความซับซ้อนของปัญหาการคาดการณ์โดยการกรองแนวโน้มและการเปลี่ยนแปลงตามฤดูกาลของระยะเวลานานกว่าหนึ่งในชีวิตประจำวัน ความไม่คงตัวในค่าเฉลี่ยและความแปรปรวนจะถูกกำจัดออกยัง ความสัมพันธ์ระหว่างตัวแปรง่าย (รูปแบบ) เป็นแบบจำลองในประเทศในพื้นที่ใกล้เคียงของอินพุตปัจจุบันโดยใช้การถดถอยเชิงเส้น การคาดการณ์ภาระสร้างขึ้นมาจากรูปแบบการส่งออกและการคาดการณ์ค่าปัจจุบันของตัวแปรอธิบายชุดเวลาในการโหลด แบบขั้นตอนเสนอและวิเคราะห์เชือกลดจำนวนการทำนายเพื่อไม่กี่ ในการถดถอยองค์ประกอบหลักและสี่เหลี่ยมอย่างน้อยบางส่วนถดถอยเพียงหนึ่งทำนายที่ถูกนำมาใช้ นี้จะช่วยให้เราเห็นภาพข้อมูลและฟังก์ชั่นการถดถอย แสดงวิธีการที่นำเสนอได้รับการเปรียบเทียบกับรุ่นอื่น ๆ ขึ้นอยู่กับ ARIMA เรียบชี้แจงเครือข่ายประสาทและประมาณการ Nadaraya-วัตสัน แอพลิเคชันตัวอย่างยืนยันคุณสมบัติที่มีคุณค่า ofthe เสนอแนวทางและความถูกต้องของพวกเขาสูง

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ 2 แบบสำหรับการพยากรณ์โหลดระยะสั้นตามการถดถอยเชิงเส้นและลวดลายของทุกวัน วัฏจักรของอนุกรมเวลา โหลด ได้เสนอ รูปแบบการใช้เป็น Input และตัวแปรพยากรณ์ผลผลิตลดความซับซ้อนของปัญหาโดยการกรองออกแนวโน้มและการเปลี่ยนแปลงตามฤดูกาลของระยะเวลานานกว่าทุกวัน หนึ่ง การ nonstationarity ในค่าเฉลี่ยและความแปรปรวนก็ตัดออกการประยุกต์ความสัมพันธ์ระหว่างตัวแปร ( รูปแบบ ) แบบท้องถิ่นในละแวกของกระแสอินพุตโดยใช้วิธีการถดถอยเชิงเส้น โหลดพยากรณ์พยากรณ์ผลผลิตที่สร้างขึ้นจากรูปแบบและค่าปัจจุบันของตัวแปรอธิบายเวลาโหลดชุด การนำเสนอแบบและเชือกสังกะสีลดจำนวนตัวแปร เพื่อไม่กี่ในหลักส่วนประกอบการถดถอยและวิธีถดถอยบางส่วนเพียงหนึ่งตัวจะใช้ นี้ช่วยให้เราเห็นภาพข้อมูลและฟังก์ชันการถดถอย สมรรถนะของวิธีที่เสนอมาเปรียบเทียบกับของรุ่นอื่น ๆ ตามริมะชี้แจงเรียบ โครงข่ายประสาท nadaraya –วัตสันและประเมินราคาตัวอย่างการยืนยันคุณสมบัติที่มีคุณค่าของการนำเสนอแนวทางและความถูกต้องสูง