Nouveau papier accepté dans la revue Energy Journal

Statistical parameters as a means to a priori assess the accuracy of solar forecasting models
Cyril Voyant, Ted Soubdhan, Philippe Lauret, Mathieu David, Marc Muselli

Dans ce papier , nous démontrons qu'il existe des paramètres statistiques (tel le rendement logarithmique) qui permettent d'estimer l'erreur de prédiction relative à une série temporelle spécifique, et ce quelque soit la méthode de machine learning utilisée. A travers 3 exemples simples, nous proposons une méthodologie d'utilisation de ces paramètres. Le résumé est:

"In this paper we propose to determinate and to test a set of statistical parameters (20) to estimate the predictability of the global horizontal irradiation time series and thereby propose a new prospective tool indicating the expected error regardless the forecasting methods a modeller can possibly implement. The mean absolute log return, which is a tool usually used in econometry, proves to be a very good estimator. Some examples of the use of this tool are exposed, showing the interest of this statistical parameter in concrete cases of predictions or optimizations."

discriminent_param.pdf discriminent_param.pdf  (836.37 Ko)

Rédigé par Cyril VOYANT le Vendredi 24 Juillet 2015 à 08:18 | Lu 413 fois