혼합 신경망 및 특징 선택을 이용한 단기 부하 예측을 위한 새로운 웨이브렛 기반 앙상블 방법

본 논문에서는 극한 학습 기계(ELM)를 기반으로 한 단기 부하 예측(STLF)을 위한 새로운 앙상블 예측 모델을 제안합니다. 예측 성능을 높이기 위한 네 가지 중요한 개선 사항이 ELM을 지원합니다. 첫째, 개별 ELM 기반 예측기를 생성하기 위해 새로운 웨이브렛 기반 앙상블 계획이 수행됩니다. 둘째, ELM과 레벤버그-마르콰르트 방법을 혼합한 하이브리드 학습 알고리즘을 제안하여 신경망의 학습 정확성을 향상시킵니다. 셋째, 예측 모델을 위한 압축 입력 변수 집합을 선택하기 위해 조건부 상호 정보 기반의 특징 선택 방법이 개발됩니다. 넷째, 정확한 앙상블 예측을 실현하기 위해 부분 최소 제곱 회귀가 개별 예측을 집계하는 결합 접근법으로 활용됩니다. 수치 테스트 결과, 제안된 방법이 다른 표준 및 최첨단 방법에 비해 더 나은 예측 결과를 얻을 수 있음을 보여줍니다.