Noise identification for ICA ensemble predictors

• Autorzy: Szupiluk R. , Ząbkowski T.

Warianty tytułu

PL

Identyfikacja szumów z wykorzystaniem metody ICA w kontekście agregacji

• Języki publikacji: EN

Abstrakty

EN

In this paper we present a novel method for integration the prediction results by finding common latent components via independent component analysis. The latent components can have constructive or destructive influence on particular prediction results. After the elimination of the deconstructive signals we rebuilt the improved predictions. We check the method validity on the electricity load prediction task.

PL

W artykule przedstawiono nową metodę pozwalającą na łączenie wyników predykcji poprzez poszukiwanie ukrytych wspólnych składowych przy zastosowaniu procedury analizy składowych niezależnych. Składowe ukryte mogą mieć pozytywny lub negatywny wpływ na wyniki predykcji. Po wyeliminowaniu składowych niekorzystnych poprawione zostały wyniki predykcji. Poprawność metody sprawdzono na przykładzie predykcji zapotrzebowania na energię elektryczną.

Słowa kluczowe

EN

noise identification; ICA; electrical load forecasting

PL

identyfikacja szumów; ICA; prognozowanie obciążenia elektrycznego

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 6
• Strony: 307--309
• Opis fizyczny: Bibliogr. 12 poz., tab., wykr.

Twórcy

autor

Szupiluk R.

• Warsaw School of Economics

autor

Ząbkowski T.

• Warsaw University of Life Sciences

Bibliografia

• [1] Cichocki A., Amari S., Adaptive Blind Signal and Image Processing, John Wiley, Chichester, 2002
• [2] Hurst H.E., Long term storage capacity of reservoirs, Trans. Am. Soc. Civil Engineers, No 116, 1951
• [3] Hyvärinen A., Karhunen J., Oja E., Independent Component Analysis, John Wiley, 2001
• [4] Misiorek A., Weron R., Modelowanie sezonowości a prognozowanie zapotrzebowania na energię elektryczną, Energetyka, Nr 12 (2004), 780-785
• [5] Osowski S., Siwek K., Regularization of neural networks for improved load forecasting in the power system, IEEE Proc. of Generation, Transmission and Distribution, Vol. 149, No 3 (2002), 340-344
• [6] Peters E., Fractal market analysis, John Wiley, 1996
• [7] Samorodnitskij G., Taqqu M., Stable non-Gaussian random processes: stochastic models with infinitive variance. New York, London, Chapman and Hall, 1994
• [8] Sprawozdanie CFTC „Staff report on commodity swap dealers and index traders with Commission recommendations”, Waszyngton, 2008 r. American Economic Review; Komunikat Komisji COM(2008) 821 „Ceny żywności w Europie” oraz stanowiący uzupełnienie document roboczy służb Komisji SEC(2008) 2971 „Grupa zadaniowa ds. roli spekulacji w zmianach cen towarów rolnych — czy na rynkach towarowych rośnie bańka spekulacyjna?”. http://www.loe.org/images/content/080919/cftcstaffreportonswa pdealers09.pdf (01/08/2012)
• [9] Szupi luk R., Wojewnik P., Zabkows ki , T., Model Improvement by the Statistical Decomposition. Artificial Intelligence and Soft Computing. Lecture Notes in Computer Science, Vol. 3070(2004), 1199-1204
• [10] Therrien C.W., Discrete Random Signals and Statistical Signal Processing, Prentice Hall, New Jersey, 1992, Toulouse, France, 2006
• [11] Vaseghi S.V., Advanced signal processing and digital noise reduction, Chichester, John Wiley and Sons, Stuttgart, B. G. Teubner, 1997
• [12] Yang Y., Adaptive regression by mixing, Journal of American Statistical Association, vol. 96, 2001