مدل‌های ترکیبی برای پیش‌بینی قیمت نقدی برق
خلاصه
این سند مطالعه‌ای درباره رویکردهای ترکیبی برای پیش‌بینی قیمت نقدی برق در بازار EPEC را شرح می‌دهد. اجزای مدل شامل پیش‌بینی ساده، تحلیل فوریه، مدل‌های ARMA و GARCH، فرایند پخش جهشی بازگشت‌به‌میانگین و شبکه‌های عصبی بازگشتی هستند. این موارد به‌عنوان اجزای رویکرد مدل‌سازی ترکیبی معرفی شده‌اند، اما نحوه ترکیب آن‌ها یا مقایسه پیش‌بینی‌هایشان توضیح داده نمی‌شود.
این مطالعه از قیمت‌های برق 2013–2014 برای آموزش استفاده می‌کند و 2015 را برای دوره آزمون کنار می‌گذارد. این تفکیک زمانی مبنایی اعلام‌شده برای ارزیابی پیش‌بینی‌ها در سالی بعد فراهم می‌کند. با این حال، سند معیارهای دقت، نتایج مقایسه‌ای، ویژگی‌های بازار یا جزئیات تنظیمات مدل را گزارش نمی‌کند. بنابراین خوانندگان نمی‌توانند تعیین کنند کدام رویکرد بهترین عملکرد را داشته یا نتایج فراتر از این بازار و دوره تعمیم‌پذیرند.
ایده‌های کلیدی
- این مطالعه روش‌های ترکیبی برای پیش‌بینی قیمت نقدی برق در بازار EPEC را بررسی می‌کند.
- اجزای مدل فهرست‌شده شامل تحلیل فوریه، ARMA، GARCH، بازگشت‌به‌میانگین همراه با جهش و شبکه‌های عصبی بازگشتی است.
- داده‌های قیمت برق از 2013–2014 دوره آموزش را تشکیل می‌دهند.
- سال 2015 برای آزمودن پیش‌بینی‌ها کنار گذاشته شده است.
- نتایج عملکرد یا جزئیات ترکیب مدل‌ها ارائه نشده است.
برچسب‌ها
متن کامل
# Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market # Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market In this work we considered several hybrid modelling approaches for forecasting energy spot prices in EPEC market. Hybridization is performed through combining a Naive model, Fourier analysis, ARMA and GARCH models, a mean-reversion and jump-diffusion model, and Recurrent Neural Networks (RNN). Training data was given in terms of electricity prices for 2013-2014 years, and test data as a year of 2015.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.