Enhancements in cross-temporal forecast reconciliation, with an application to solar irradiance forecasts
在Yang et al.(2017 a,b)和Yagli et al.(2019)最近的工作中,已经考虑了加利福尼亚州模拟光伏数据集的分层光伏(PV)发电的地理,时间和顺序确定性协调。在前两种情况下,分别在空间和时间域进行协调。为了进一步提高预测精度,在第三种情况下,这两种调和方法依次应用。在复制的预测实验,出现了一些问题的非负性和连贯性(在空间和/或时间)的顺序调和的预测。此外,虽然所考虑的方法在基准持久性预测的准确性提高是清晰可见的,在任何数据粒度,我们认为,一个更好的性能可以通过彻底利用跨时间层次结构。在本文中,跨时间点预测调和方法适用于生成非负的,完全一致的(在空间和时间)的预测。特别是,两步,迭代和同步跨时间协调程序之间的一些关系是第一次建立,最终协调的预测的非负性问题,正确地处理在一个简单的方式,并采用最新的跨时间协调方法。标准化的均方根误差被用来衡量预测的准确性,并进行统计多重比较程序来排名的方法。除了确保协调预测的完全一致性和非负性外,结果还表明,对于所考虑的数据集,跨时间预测协调在任何横截面层次和任何时间粒度上都显着改善了Yagli等人提出的顺序程序(2019)。
2022-09-15 stat.AP
A Bayesian Approach to Probabilistic Solar Irradiance Forecasting
太阳能发电的输出在很大程度上取决于可用的太阳辐射。因此,随着光伏发电在现代电网中的普及,预测太阳辐照度对于电网的正常运行至关重要。为了提高预测性能的准确性,本文讨论了概率预测的贝叶斯处理。该方法被证明使用公开的数据从佛罗里达州自动气象网(FAWN)。该算法在Python中开发,并将结果与点预测,其他概率方法和该时期获得的实际现场结果进行比较。
2022-09-02 cs.SY eess.SY stat.AP
Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic Models
Stanford University(斯坦福大学);Open Climate Fix(开放气候修复);National Center for Atmospheric Research(美国国家大气研究中心)
推进概率太阳能预测方法对于支持太阳能融入电网至关重要。在这项工作中,我们开发了各种最先进的概率模型预测太阳辐照度。我们调查使用事后校准技术,以确保良好校准的概率预测。我们训练和评估的模型使用公共数据从七个站在SURFRAD网络,并证明,最好的模型,NGBoost,实现更高的性能在每小时内的分辨率比最好的基准太阳辐照度预测模型在所有站点。此外,我们表明,NGBoost与CRUDE事后校准实现了相当的性能数值天气预报模型的小时分辨率预报。
2020-10-14 cs.LG stat.AP stat.ML
Machine learning-based probabilistic forecasting of solar irradiance in Chile
本研究针对智利第三、四区,利用WRF集合预报及EMOS和DRN等后处理方法,生成太阳辐照度概率预报,显著提升校准性与准确性,其中校正集合表现最优。
2024-11-19 stat.AP stat.ML
Short-term forecasting of solar irradiance without local telemetry: a generalized model using satellite data
Delft University of Technology(代尔夫特理工大学);VITO(弗拉芒技术研究院)
由于太阳能发电越来越多地集成到电网中,预测短期太阳辐照度已成为许多应用的关键,例如~在这种情况下,由于太阳能发电机在地理上分散,并且地面测量并不总是容易获得,因此具有可以预测太阳辐照度而不需要本地数据的通用模型非常重要。本文提出了一种不需要地面观测就能对任意地点的太阳辐照度进行短期预报的模式。为此,该模型考虑了基于卫星的测量和基于天气的预测,并采用了能够跨位置进行概括的深度神经网络结构;特别是,该网络仅使用地面数据可用的一小部分站点进行训练,并且该模型能够概括到地面数据不存在的大量位置。作为一个案例研究,在荷兰的25个地点被认为是和所提出的模型进行比较,对四个本地模型,分别为每个位置使用地面测量训练。尽管该模型的一般性质,它表明,该模型是等于或优于本地模型:当比较所有的位置和预测范围的平均性能,该模型获得了31.31%的rRMSE(相对均方根误差),而最好的本地模型达到32.01%的rRMSE。
2019-11-12 cs.LG stat.AP stat.ML
Synthesizing simulation and field data of solar irradiance
预测太阳光的强度和数量作为位置和时间的函数是确定经济太阳能农业有前途的位置的重要组成部分。虽然天气模型和辐照度数据相对丰富,但据我们所知,这些数据还没有在大陆尺度上混合。相反,文献中的大部分重点是短期本地化预测。这可能是因为通过高斯过程(GP)进行的更全局的分析所涉及的数据量对于规范工具包是禁止的。在这里,我们展示了如何将GP替代和差异模型相结合,以便于跟踪和准确地预测太阳辐照度的时间聚集和每日尺度上的测量在美国大陆的数千个地点。我们的研究结果建立了基于偏差校正的天气模拟辐照度的短期准确性,当实现在真实时空中可用时(例如,在未来的日子里),并在可靠的天气数据不可用的更常见的情况下提供用于平滑的精确替代(例如,未来几年)。
2019-06-22 stat.AP
FarSky: Task-Aware Latent-Space Coupling for Generative Intra-Hour Solar Forecasting
本研究提出FarSky生成式预测框架,结合任务感知隐空间耦合与隐扩散模型,在太阳辐照度预测中实现最优确定性及概率性能,斜坡事件检测F1超60%,预测技能最高提升11个百分点。
2026-08-13 cs.LG physics.ao-ph stat.AP
Combining Probabilistic Load Forecasts
概率负荷预测提供了关于未来负荷不确定性的综合信息。近年来,人们提出了许多概率负荷预测的方法和技术。预测组合是点预测文献中广泛认可的最佳实践,但从未被正式采用来组合概率负荷预测。本文提出了一种约束分位数回归平均(CQRA)方法来创建一个改进的集成从几个单独的概率预测。我们制定的CQRA参数估计问题作为一个线性规划的目标是最大限度地减少弹球损失,与约束条件,参数是非负的,并总结为一。我们使用两个公开的数据集,ISO新英格兰数据和爱尔兰智能电表数据证明了所提出的方法的有效性。与最佳个体概率预报相比,集合预报可使弹球得分平均降低4.39%。拟议的合奏也表现出优越的性能超过其他九个基准合奏。
2018-03-18 stat.AP
Combining Probabilistic Forecasts of Intermittent Demand
针对间歇性需求概率预测研究不足、现有研究忽略库存影响的问题,本研究构建兼顾预测精度与库存效用的概率预测组合方法,实证发现其优于单一方法,但两类性能存在权衡。
2024-04-15 stat.AP
Combining Weather Forecast Aggregation and State-Space Models for Adaptive Probabilistic Electricity Load Forecasting
Viking Conseil;MétéoFrance(法国气象局)
本文提出一种结合多气象预报聚合与状态空间模型的自适应概率负荷预测框架,通过GAM和GAMLSS提升不确定性量化,在法国数据上显著优于单一来源方法。
2026-09-16 stat.AP
A new approach to probabilistic population forecasting with an application to Estonia
本文提出一种基于队列-要素法的不确定性测度方法,将其应用于爱沙尼亚等人口预测,发现结果与联合国贝叶斯预测相似但不确定性更高,适用于各级概率人口预测。
2025-08-11 stat.AP
Enhanced Renewable Energy Forecasting and Operations through Probabilistic Forecast Aggregation
NSF Artificial Intelligence Institute for Advances in Optimization(美国国家科学基金会人工智能优化进展研究所)
针对无站点间相关性信息的可再生能源个体概率预测聚合难题,提出综合Copula与蒙特卡洛方法生成机组群层面统计校准的概率预测,经美国大型系统合成数据验证,为电网运营商提供更优的可再生能源不确定性管理工具。
2025-02-10 stat.AP
Use and Communication of Probabilistic Forecasts
概率预报变得越来越容易获得。应如何使用和传播这些信息?在实际使用中有哪些障碍?我回顾了五个问题的经验,概率预测发挥了重要作用。这让我确定了五种类型的潜在用户:低风险用户,他们不需要概率预测;一般评估者,他们需要对预测中的不确定性有一个整体的想法;变化评估者,他们需要知道变化是否与预期不符;风险规避者,他们希望限制不利结果的风险;和决策理论家,他们量化损失函数并执行决策理论计算。这表明与用户互动并考虑他们的目标是很重要的。认知研究告诉我们,校准对于概率预测的信任是重要的,并且重要的是将言语表达与任务相匹配。认知负荷应最小化,如果合适的话,将概率预测降低到一个百分点。不良事件的概率和感兴趣的量的预测分布的概率似乎通常是总结概率预测的最佳方式。形式化决策理论具有重要的作用,但应用范围有限。
2014-08-20 stat.AP
Multi-objective probabilistic forecast combination for inventory demand
School of Economics and Management, Beihang University(北京航空航天大学经济管理学院);School of Management, University of Bath(巴斯大学管理学院)
针对现有概率预测组合方法忽略运营目标的问题,提出多目标优化框架,同时优化预测准确性和库存决策性能,在沃尔玛零售和英国皇家空军备件数据上验证了其平衡性和鲁棒性。
2026-06-03 stat.AP
Mixture distributions for probabilistic forecasts of disease outbreaks
本文提出在疾病暴发协作预测中采用离散混合分布格式,因其形状灵活、便于评分与集成建模且存储需求低,优于参数、样本、箱线和分位数等常见格式。
2023-10-18 stat.AP
Probabilistic load forecasting for the low voltage network: forecast fusion and daily peaks
能源消费的短期预测对于能源系统的运作,包括低压电网的运作,是非常宝贵的。然而,网络负载是具有挑战性的预测时,高度去隔离到少数客户,这可能是由个人行为,而不是与总消费相关联的平滑配置文件为主。此外,配电网络几乎完全受到峰值负荷的挑战,并且诸如调度存储和/或需求灵活性之类的任务可能由预测的峰值需求驱动,这是通用预测方法通常难以表征的特征。在这里,我们提出了一种方法来预测的时间和水平的每日高峰需求,和数据融合过程相结合的常规和高峰预测,以产生一个通用的概率预测,在高峰期的性能改善。所提出的方法是使用真正的智能电表数据和一个假设的低压网络层次结构,包括馈线,二次和一次变电站。融合国家的最先进的概率负荷预测与高峰预测,以提高整体性能,特别是在智能电表和馈线水平和高峰时段,在CRPS方面的改善超过10%。
2023-01-09 stat.AP
Probabilistic Mortality Forecasting with Varying Age-Specific Survival Improvements
我们提出了一个概率死亡率预测模型,可以应用于预测人口的定期和不定期的死亡率的发展。我们的模型(1)使用死亡率改善率来模拟死亡率变化的动态年龄模式,并且它可以(2)可选地将感兴趣国家的死亡率趋势与至少一个参考国家的死亡率趋势进行补充。1991年至2011年英国和丹麦妇女的回顾性死亡率预测表明,我们的模型可以产生比其他广泛接受的方法,如李-卡特模型或联合国贝叶斯方法更小的预测误差。
2014-01-13 stat.AP
A User-Focused Approach to Evaluating Probabilistic and Categorical Forecasts
本文提出了一种以用户为中心的验证方法,通过恰当评分规则和用户决策阈值评估二元结果概率预报,指出Murphy图能更好地反映整体预测性能,并利用FIRM分数公平比较概率与分类预报,适用于任何二元结果场景。
2024-03-21 stat.AP
Probabilistic Forecast Combination for Anomaly Detection in Building Heat Load Time Series
研究了建筑热负荷时间序列的自动异常检测问题。异常检测模型必须适用于不同的建筑群,并提供可靠的结果,热负荷时间序列低信噪比,几个季节性,和显着的外源性影响。我们建议采用一种概率预测组合方法的基础上合奏的确定性预测异常检测方案,根据其概率预测分布下的观测值进行分类。我们的经验表明,预测为基础的异常检测提供了更好的准确性时,采用预测组合方法。
2021-11-16 stat.AP
Probabilistic temperature forecasting with statistical calibration in Hungary
天气预报主要基于确定性数值天气预报模式的输出。这些模式在不同的初始条件下多次运行,产生预报集合,用于估计未来大气变量的分布。然而,这些合奏通常是欠分散和未校准的,因此需要后处理。在目前的工作中,贝叶斯模型平均(BMA)适用于校准合奏的匈牙利气象局(HMS)的业务有限区域模型Enhancement预测系统产生的温度预报。我们描述了两种可能的BMA模型的HMS的温度数据,并表明,BMA后处理显着提高校准和概率预测,虽然点预测的准确性是相当不变的。
2013-03-08 stat.AP
Probabilistic wind speed forecasting on a grid based on ensemble model output statistics
风速的概率预报对于广泛的应用很重要,从与风力发电有关的业务决策到风暴警报、船舶路线和航空。我们提出了一种统计方法,提供本地校准,概率风速预测在任何期望的地方在预测域的数值天气预报(NWP)模型的输出的基础上。提出了三种风速后处理方法,分别采用截断正态分布、伽玛分布和截断逻辑斯谛分布,以集合预报系统(EPS)的预报为条件,对未来观测值进行概率预报。为了在网格上提供概率预报,需要对用当地风速观测值校准的预测分布进行插值。我们研究了几种插值方案,结合地统计学方法与当地的年平均风速信息,并评估所提出的方法与地面风速预测在德国的COSMO-DE(小尺度模型联盟)集合预测系统。
2015-11-06 stat.AP
Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Heidelberg Institute for Theoretical Studies(海德堡理论研究所)
本文系统评估了在太阳能预报模型链中不同后处理策略的效果,并提出基于神经网络的直接功率预报模型,结果表明后处理尤其是对功率预报的后处理能显著提升概率预报质量。
2024-06-06 cs.LG physics.ao-ph stat.AP
Seamless short- to mid-term probabilistic wind power forecasting
本文提出一种整合天气预报与天气—功率转换两类不确定性的概率风电预测方法,在6至162小时预见期实现先进性能,并揭示不同风电场及海陆场景的不确定性主导转换规律。
2025-02-17 stat.AP
Probabilistic Forecasting of Temporal Trajectories of Regional Power Production - Part 2: Photovoltaic Solar
我们提出了一个完全概率预测模型的空间聚集的太阳能光伏(PV)发电生产在每小时的时间尺度与前置时间长达几天,使用天气预报数值天气预报系统作为协变量。经过适当的对数变换的功率生产,我们开发了一个多变量高斯预测模型下的贝叶斯推断框架。该模型结合了时间误差相关性,产生物理上一致的预测轨迹。提出了几种配方的相关结构和调查。我们的方法是为数不多的方法之一,发布完整的预测分布光伏发电。在德国光伏发电的案例研究中,该方法给出了校准和熟练的预测。
2019-03-04 stat.AP
Probabilistic Forecasting of the Arctic Sea Ice Edge with Contour Modeling
在北极,海冰或冰冻的海水每年都会冻结和融化。由于气候变化导致海冰数量减少,提前几周到几个月预测海冰的位置变得更加重要,用于海事规划和其他用途。典型的海冰预报是用集合模式、基于物理的海冰和周围海洋和大气模式进行的。本文介绍了混合等高线预测,一种方法来预测海冰的概率使用两个分布的混合,一个是基于后处理的输出从集合,另一个是近年来观测到的海冰模式。在较短的准备时间内,这些预报比未经调整的动态集合预报和其他统计参考预报更好地校准。为了产生这些预测,引入了一种统计技术,直接模拟海冰边缘轮廓,即被冰覆盖的区域周围的边界。使用欧洲中期天气预报中心的一个集合,在0.5-6.5个月的提前期内,对2008-2016年每月海冰预报的混合等高线预报和参考方法进行了评估。
2020-06-08 stat.AP
A Stochastic Model for Short-Term Probabilistic Forecast of Solar Photo-Voltaic Power
在本文中,一个随机模型与政权切换的太阳能光伏(PV)功率,以提供短期的概率预测。太阳能光伏发电的模型是物理启发,并明确纳入了随机性,由于云使用不同的参数解决在power.Based参数的衰减,一个简单的政权之间的三个类晴天,阴天和部分多云的切换过程提出的统计行为。然后,概率预测的太阳能光伏发电,通过确定目前的制度,光伏发电的测量和假设持久性在这个政权。为了说明所开发的技术,一组太阳能光伏发电数据从一个单一的屋顶安装在加利福尼亚州进行了分析,并验证了该模型在拟合数据,并在提供短期点和概率预测的有效性。所提出的预测方法优于各种参考模型,产生点和概率预测,因此描绘了采用所提出的方法的优点。
2017-09-16 stat.AP
Expectile regression averaging method for probabilistic forecasting of electricity prices
本文提出一种结合点预测平均与 expectile 回归的电价概率预测新方法,应用于德国日前市场并验证其优于 quantile 方法,同时指出建模前需进行方差稳定变换。
2024-02-12 stat.AP
Electricity Load and Peak Forecasting: Feature Engineering, Probabilistic LightGBM and Temporal Hierarchies
本文介绍了一种在BigDeal 2022能源竞赛中取得高排名的电力负荷与峰值预测模型,通过基于聚类置换的特征工程、概率LightGBM及时间层次结构组合预测提升准确性。
2023-05-09 stat.AP
Evaluating probabilistic forecasts with scoringRules
对未来事件的概率分布形式的概率预报在包括气象学、水文学、经济学和人口学在内的几个领域已经变得流行。在典型的应用中,可以使用许多替代的统计模型和数据源来产生概率预测。因此,评价和选择竞争的方法是一项重要的任务。R的scoringRules包提供了基于适当的评分规则对概率模型进行比较评估的功能,涵盖了应用工作中的各种情况。本文讨论了实现和使用的细节,从气象学和经济学的案例研究,并指出相关的背景文献。
2018-07-30 stat.AP stat.CO
From point forecasts to multivariate probabilistic forecasts: The Schaake shuffle for day-ahead electricity price forecasting
价格风险建模是能源市场经济决策的关键。除了单一价格的风险之外,多个价格的相关结构也常常是相关的。因此,我们提出了一个通用的和易于实现的方法,用于创建多变量概率预测的基础上,一天前的电价单变量点预测。虽然每个单变量点预测指的是一天中的一个24小时,但多变量预测分布对跨小时的相关性进行建模。所提出的方法是基于简单的Copula技术和一个可选的时间序列组件。我们举例说明了Lago等人(2020)最近提供的五个基准数据集的方法。此外,我们展示了一个例子,为连续电价的加权和构建现实的预测区间,例如,需要为单个负载配置文件定价。
2022-04-21 econ.EM stat.AP
Probabilistic Forecast-based Portfolio Optimization of Electricity Demand at Low Aggregation Levels
本文提出三种基于概率负荷预测的居民需求组合构建方法,以最小化低聚合水平下整体预测误差,实验表明季节性残差法在韩国和爱尔兰数据上准确性与效率最优。
2023-04-18 q-fin.RM stat.AP
evalprob4cast: An R-package for evaluation of ensembles as probabilistic forecasts or event forecasts
针对开源集合预测评估工具有限的现状,开发了名为evalprob4cast的新R包,提供单变量、多变量概率预测及事件检测的评估指标与可视化方法,支持快速简便的评估操作,适用于包含集合预测的各类应用。
2025-04-04 math.PR stat.AP
End-to-end probabilistic hierarchical forecasting of large hierarchies via probabilistic top-down
SUPSI, Istituto Dalle Molle di Studi sull’Intelligenza Artificiale (IDSIA)(瑞士应用科学与艺术大学,达勒·莫莱人工智能研究学院)
提出e2eTD方法,仅预测少量聚合序列,通过概率自上而下采样传播到底层,实现大规模层次时间序列的快速、可扩展概率一致预测,在M5和Favorita数据集上取得最优加权缩放分位数损失。
2026-07-31 stat.AP stat.ME
A hybrid model of kernel density estimation and quantile regression for GEFCom2014 probabilistic load forecasting
作为2014年全球能源预测竞赛概率负荷预测轨道的一部分,我们提出了一种结合核密度估计(KDE)和分位数回归技术生成概率预测的模型。KDE方法最初是使用时间衰减参数实现的。我们后来通过调节温度或一周的周期变量来改进这种方法,以提供更准确的预测。其次,我们发展了一个简单而有效的分位数回归预测。我们的方法的新颖方面是双重的。首先,我们将对称性引入到基于核密度估计的预测的时间衰减参数中。其次,我们结合三个概率预测不同的权重为不同时期的一个月。
2016-10-17 physics.data-an physics.soc-ph stat.AP
Early Warning with Calibrated and Sharper Probabilistic Forecasts
给定一个非线性模型,可以通过蒙特卡罗模拟获得概率预测。在给定的预测范围内,蒙特卡罗模拟产生离散预测集,这些离散预测集可以转换为密度预测。由此产生的密度预测将不可避免地被模型错误指定降级。为了提高密度预测的质量,可以将它们与无条件密度混合。本文探讨了结合条件密度预测与无条件密度预测的价值。这些发现对包括经济学和气象学在内的不同学科发布预警具有积极意义,但英国的通胀预测被认为是一个例子。
2012-01-13 nlin.CD q-fin.RM stat.AP
Sequential Aggregation of Probabilistic Forecasts -- Applicaton to Wind Speed Ensemble Forecasts
在数值天气预报(NWP)领域中,大气未来状态的概率分布是用类似蒙特卡罗的模拟进行采样的,称为集合。这些集合有缺陷(如条件偏差),可以通过统计后处理方法进行纠正。存在几个集合,可以用不同的统计方法进行校正。进一步的步骤是组合这些原始或后处理的集合。专家建议的预测理论使我们能够构建具有预测性能理论保证的组合算法。本文将这一理论应用于以逐步累积分布函数(CDF)形式发布的概率预测。该理论应用于风速预测,通过结合几个原始或后处理的合奏,被认为是CDF。本研究的第二个目标是探索两个预测性能标准的使用:连续排名概率得分(CRPS)和Jolliffe-Primo检验。比较这两个标准得到的结果导致重新考虑通常的方式来建立熟练的概率预测,最小化的CRPS的基础上。根据Jolliffe-Primo检验,最小化CRPS并不一定会产生可靠的预测。Jolliffe-Primo检验通常选择可靠的预测,但可能导致发布CRPS方面的次优预测。建议使用这两个标准,以实现可靠和熟练的概率预测。
2020-05-07 stat.AP stat.ME stat.ML
nabqr: Python package for improving probabilistic forecasts
DTU Compute(DTU计算学院);QUENT ApS(QUENT公司)
本文介绍了开源 Python 包 NABQR,通过 LSTM 网络校正集合并应用时间自适应分位数回归,在丹麦风电日前预测中将平均绝对精度提高达 40%,从而提供更可靠的概率预测。
2025-01-29 cs.LG stat.AP stat.CO
Trend-encoded Probabilistic Multi-order Model: A Non-Machine Learning Approach for Enhanced Stock Market Forecasts
针对机器学习股市预测跨数据集稳健性不足的问题,提出基于趋势编码的多滞后阶概率模型TeMoP,并在九国股指上证明其准确性与稳定性优于现有机器学习方法。
2025-02-17 math.PR q-fin.CP stat.AP