時系列データのアンサンブル予測における新しい重み設定手法

カテゴリ: 部門大会

論文No: GS10-4

グループ名: 【C】平成26年電気学会電子・情報・システム部門大会講演論文集

発行日: 2014/09/03

タイトル(英語): A New Weighting Method for Ensemble Prediction of Time Series

著者名: 村上 賢哉(富士電機),鈴木 聡(富士電機),北川 慎治(富士電機),熊谷 正康(富士電機),松井 哲郎(富士電機),稲村 康男(富士電機),富田 嘉文(富士電機)

著者名(英語): Kenya Murakami(Fuji Electric),Satoshi Suzuki(Fuji Electric),Shinji Kitagawa(Fuji Electric),Masayasu Kumagai(Fuji Electric),Tetsuro Matsui(Fuji Electric),Yasuo Inamura(Fuji Electric),Yoshinori Tomita(Fuji Electric)

キーワード: 時系列データ|アンサンブル予測|加重平均|重み設定|Time Series Data|Ensemble Prediction|Weighted Average|Weight Settings

要約(日本語): 統計モデルによる時系列データの予測において、予測精度はモデル作成における学習データや前処理、モデルパラメータ等に大きく依存する。そのため、これらの条件が少し変わるだけで予測精度が大きく変わり、予測精度のバラツキが大きくなる。これに対し、学習データやパラメータが異なる複数のモデルの出力の平均値を予測結果とする「アンサンブル予測」を行うことで、各モデルの予測精度のバラツキを吸収し、平均的に比較的精度の高い予測を得ることができる。一方で、複数のモデルの中には傾向的に予測精度が高いものと低いものが混在しており、アンサンブル予測として各モデルの出力の加重平均をとり、その重みをうまく設定することで単純平均よりも予測精度を高められることが期待される。本稿ではこの加重平均における新しい重み設定方法について報告する。

PDFファイルサイズ: 667 Kバイト