Predição de Intervalos para Séries Temporais Multivariadas de Consumo de Eletricidade de Longo Prazo com Base em Modelagem de Canal Duplo

Modelos de intervalos de predição foram propostos para caracterizar fenômenos incertos, fornecendo valores esperados e os limites superior e inferior do intervalo dado uma probabilidade de cobertura desejada. No entanto, os métodos existentes para gerar intervalos de predição utilizam principalmente modelos simples, como redes neurais recorrentes (RNN), memória de longo curto prazo (LSTM) ou modelos predominantes como transformadores como a rede backbone, que têm limitações na modelagem de sequências multivariadas de longo prazo. Para abordar o problema, o artigo propõe o LMDCPI (intervalo de predição de canal duplo multivariado de longo prazo), que emprega ramos duplos para capturar tanto as dependências temporais intra-variáveis quanto as dependências inter-variáveis sob perspectivas globais e locais. Resultados experimentais mostram que o LMDCPI alcança desempenho de ponta em vários conjuntos de dados públicos.