ترکیب پیش بینی

هدف از پژوهش حاضر ارائه دو مدل پیش بینی سری زمانی و همچنین، ترکیب دو مدل برای پیش بینی کوتاه مدت تقاضای ساعتی برق کشور ایران است. برای این منظور از داده های مصرف برق به تفکیک ساعت روز در بازه زمانی 1390-1385 استفاده می شود. مدل اول بر پایه تجزیه سری زمانی بار الکتریکی به دو مولفه قطعی و تصادفی، و مدل دوم بر اساس فرض تصادفی بودن روندسری زمانی بار الکتریکی شکل می گیرد. پس از پیش بینی تقاضای ساعتی بار الکتریکی با استفاده از دو مدل اشاره شده، با ساختن مدل ترکیبی، عملکرداین مدل ترکیبی با دو مدل اصلی و مدل واحددیسپاچینگ (که یک مدل چندمتغیره است که در آن متغیر آب و هوا نیز واردمی شود) مقایسه می شود. نتایج نشان می دهدکه بکار بردن روش ترکیب پیش بینی سبب افزایش دقت پیش بینی نسبت به دو مدل اولیه می شود. علاوه بر این، دقت مدل ترکیبی که در آن از حجم کم تر اطلاعات استفاده می شوددر بیش تر ساعات به خوبیِ مدل واحددیسپاچینگ، و در برخی از ساعات (ساعات اوج مصرف)، بهتر از مدل واحددیسپاچینگ است.

در این مطالعه ابتدا محتوای اطلاعاتی متغیرهای گوناگون اقتصادی برای پیش بینی قیمت مسکن در شهر تهران بررسی شده و سپس عملکرد برخی از روش های ترکیب پیش بینی برای پیش بینی این متغیر ارزیابی شده است. نتایج به دست آمده حاکی از آن است که اس تفاده از اطلاعات متغیرهای گوناگون به وسیله تکنیک های ترکیب پیش بینی می تواند باعث افزایش دقت پیش بینی گردد. در این میان، دقت روشهای ساده ترکیب از روش وزن های بهینه، علیرغم برخورداری از پشتوانه نظری، بیشتر است. همچنین بطور کلی اختصاص اهمیت بیشتر به پیش بینی های اخیر (در روش مجذور خطای تنزیل شده) و همفزونی کمتر اطلاعات (در روش خوشه بندی) موجب افزایش دقت پیش بینی می گردد. از طرف دیگر انقباض وزن ها به سمت وزن های یکسان (در روش انق باضی) با کاهش می زان خطای تخمین، عملکرد پیش بینی را بهبود می بخشد.