Forecasting Italian daily electricity generation disaggregated by geographical zones and energy sources using coherent forecast combination
利用一致性预测组合预测按地区与能源来源分解的意大利日电力产量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以多条日电力时间序列的预测、预测组合及跨层级一致性为核心，直接对应预测与时间序列方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用一致性预测组合预测按地区与能源来源分解的意大利日电力产量
- 研究问题
- 如何预测按地区和能源来源分解的日电力产量，使各层级预测满足线性汇总约束，并改善相互独立预测造成的不一致？
- 方法与思路
- 作者采用具有汇总一致性的平衡多任务预测组合，将多个专家的无偏预测合并，同时要求组合结果满足跨序列线性约束。
- 材料陈述的贡献
- 摘要称，意大利日电力数据中的该方法比单任务基础预测、组合预测及一种单专家协调方法更准确，并保持汇总一致性。
- 阅读关注点
- 应核对组合权重和约束的构造、基础预测无偏性的要求，以及预测期、训练测试划分、评价指标和比较方法的实施方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核验。摘要未报告误差数值或显著性，所述优势不能直接外推至其他数据。
原文摘要
A novel approach is applied for improving forecast accuracy and achieving coherence in forecasting the Italian daily energy generation time series. In hierarchical frameworks such as national energy generation disaggregated by geographical zones and energy sources, independently generated base forecasts often result in inconsistencies across the constraints. We deal with this issue through a coherent balanced multi-task forecast combination approach, which combines unbiased forecasts from multiple experts while ensuring coherence. Applied to the daily Italian electricity generation data, our method shows superior accuracy compared to single-task base and combined forecasts, and a state-of-the-art single-expert reconciliation technique, demonstrating to be an effective approach to forecasting linearly constrained multiple time series.