Ин таҳқиқот бо мақсади баланд бардоштани дақиқии пешгӯии сарбории барқ барои 24 соати оянда бидуни такя ба меъмориҳои бузурги Transformer таҷзияи асосёфта ба EEMD, аз нав калибркунии каналҳо ва модели GRU-ро муттаҳид кардааст. Модел бо истифода аз маълумоти сарбории 168 соати гузашта 24 соати баъдиро пешгӯӣ карда, дар GEFCom2014 ва чор зермаҷмӯи маълумоти PJM бо панҷ оғозкунии тасодуфии гуногун арзёбӣ шудааст. Дар GEFCom2014 модели пурраи дорои дарвозаи пароканда ба MAPE-и %7,90 расид, дар ҳоле ки модели LocalOnly, ки танҳо роҳи аз нав калибркунии маҳаллиро истифода мебарад, бо %7,76 пасттарин MAPE-ро дод. Бо вуҷуди ин, натиҷаҳои PJM нишон медиҳанд, ки модел дар ҳамаи минтақаҳо ва ҳамаи меъёрҳо бартарӣ надорад ва ҳамчунин дар озмоишҳои онлайнии сабабии EEMD аз нав калибркунии каналҳо фоидаи назаррас надодааст.

Равиши асосии таҳқиқот аз он иборат аст, ки қатори мураккаби сарборӣ ба ҷузъҳое ҷудо карда шавад, ки миқёсҳои гуногуни вақтро ифода мекунанд, ва пеш аз ворид шудан ба модели пешгӯӣ аҳамияти ин ҷузъҳо аз нав вазн дода шавад. Ensemble Empirical Mode Decomposition ё Таҷзияи ансамблии режими эмпирикӣ (EEMD) қатори сарбориро ба шаш функсияи режими дохилӣ ва як ҷузъи бақиявии тамоюл ҷудо кардааст. Сипас роҳҳои глобалӣ ва маҳаллии канал омӯхтаанд, ки кадом ҷузъҳои таҷзияшуда, ҳарорат ё хусусиятҳои вақт барои пешгӯӣ муфидтаранд.

Дар таҷрибаи GEFCom2014 модели EEMD-DCA-GRU-SG бо дарвозаи пароканда бо 167,5 ҳазор параметри омӯзишшаванда MAPE-и %7,90 ба даст овард. Модели Informer бо 2,41 миллион параметр %8,36 ва PatchTST бо 615,5 ҳазор параметр %8,49 MAPE дод. Пасттарин хатои benchmark-и таҳқиқотро на модели пурраи муттаҳидшуда, балки варианти LocalOnly, ки танҳо далели маҳаллии замониро истифода мебарад, ба даст овард. Ин натиҷа нишон медиҳад, ки пас аз таҷзия намунаҳои кӯтоҳмуддати маҳаллӣ метавонанд барои муайян кардани аҳамияти каналҳо аз миёнаҳои глобалӣ пурқувваттар бошанд.

Аз назари Туркия, ин усул равиши сабуки моделсозиро пешниҳод мекунад, ки метавонад барои ҷудо кардани қаторҳои маҳаллии сарборӣ, ки дар банақшагирии тақсимот ва истеҳсоли нерӯи барқ истифода мешаванд, ба миқёсҳои гуногуни вақт омӯхта шавад. Аммо таҳқиқот дар низоми барқи Туркия анҷом дода нашудааст. Бе омӯзиш ва санҷиши алоҳида бо ҳарорат, идҳо, истеъмоли минтақавӣ, профили саноатӣ ва шароити шабакаи Туркия хулоса дар бораи муваффақияти амалиётӣ баровардан мумкин нест. Махсусан барои истифодаи онлайн, EEMD бояд ба таври сабабӣ танҳо бо маълумоте, ки то вақти пешгӯӣ мавҷуд аст, иҷро шавад ва модел бо ҳамон протокол аз нав омӯзонида шавад.

Саволи асосии таҳқиқот чист?

Таҳқиқот ба ин савол равона шудааст: агар EEMD, ки қатори сарбории барқро ба миқёсҳои сершумори вақт ҷудо мекунад, бо аз нав вазндиҳии каналҳо муттаҳид шавад, оё бидуни ниёз ба моделҳои бузурги Transformer пешгӯии кӯтоҳмуддати сарбориро дақиқтар ва устувортар анҷом додан мумкин аст?

Пешгӯии кӯтоҳмуддати сарборӣ барои равандҳое чун тақсимоти иқтисодии сарборӣ, банақшагирии воҳидҳои истеҳсолӣ, фаъолияти бозори барқ, нархгузорӣ ва идоракунии тарафи талабот муҳим аст. Аммо истеъмоли барқ дар як қатор ҳам давраҳои ҳаррӯза ва ҳафтаина, ҳам тағйироти ҳарорат, рӯйдодҳои номунтазам ва ларзишҳои басомадҳои гуногунро дар бар мегирад. Моделсозии қатори хом ҳамчун як воҳиди ягона метавонад боис шавад, ки ларзишҳои тез ва тамоюлҳои суст якдигарро пинҳон кунанд.

Дар адабиёт кадом холигӣ ҳадаф қарор гирифтааст?

Таҳқиқот ба се масъалаи техникӣ тамаркуз мекунад:

• Азбаски қатори хоми сарборӣ ҳамзамон ҳаракатҳои ҳаррӯза, ҳафтаина, вобаста ба обу ҳаво ва номунтазамро дар бар мегирад, омӯзиши мустақими сохтори бисёрмиқёса метавонад душвор шавад.
• Усулҳои таҷзия ба мисли EEMD шумораи зиёди IMF ва каналҳои ёрирасон тавлид мекунанд; баробар ҳисоб кардани ҳамаи каналҳо метавонад таъсири ҷузъҳои пурғавғо ё дорои иттилооти заифро зиёд кунад.
• Моделҳои асосёфта ба Transformer метавонанд қобилияти пурқуввати бознамоиро таъмин кунанд, аммо арзиши параметрҳо ва ҳисоббарорӣ метавонад баландтар бошад.

Чаҳорчӯбаи пешниҳодшуда мехоҳад бо муттаҳид кардани таҷзияи ҷузъҳо тавассути EEMD ва аз нав калибркунии сабуки каналҳо бо сарвари пешгӯии дузинагии GRU ба ин се масъала ҳамзамон ҷавоб диҳад.

Ҷараёни умумии кори модел чӣ гуна сохта шудааст?

Нақшаи меъмории таҳқиқот пайдарпаии зерини коркардро нишон медиҳад:

1. Сарбории хоми барқ ва хусусиятҳои ёрирасони мавҷуд гирифта мешаванд.
2. Қатори сарборӣ тавассути EEMD ба шаш IMF ва як ҷузъи бақиявӣ ҷудо мешавад.
3. Ба каналҳои таҷзияшуда ҳарорат ва хусусиятҳои даврии вақт илова мешаванд.
4. Аз нав калибркунии глобалӣ, маҳаллӣ ё муттаҳидшудаи каналҳо татбиқ мешавад.
5. Дарвозаи ихтиёрии мулоими пароканда каналҳои заифро пахш мекунад.
6. GRU-и дузинагӣ вектори сарбории 24 соати баъд аз 168 соати гузашта ҳосил мекунад.

Нақшаи меъморӣ нишон медиҳад, ки аз нав калибркунии каналҳо пеш аз GRU ҷойгир шудааст. Ҳамин тавр, GRU ба ҷойи гирифтани ҳамаи ҷузъҳо бо вазни баробар, рӯи пайдарпаии хусусиятҳое кор мекунад, ки аҳамияти онҳо аз ҷониби модел танзим шудааст.

Масъалаи пешгӯӣ аз ҷиҳати математикӣ чӣ гуна таъриф шудааст?

Вақтt қимати сарборӣ дар вақти l_t, дарозии равзанаи вуруд L = 168соат ва уфуқи пешгӯӣH = 24 соат таъриф шудааст. Вектори ҳадаф чунин аст:

\[ \mathbf{y}_t = [l_{t+1},l_{t+2},\ldots,l_{t+H}]^{\mathsf{T}} \in \mathbb{R}^{H} \]

Ин вектор 24 қимати сарбориро пас аз вақти пешгӯӣ якҷоя ифода мекунад. Равзанаи маълумоти таърихии бисёрканалӣ чунин аст:

\[ \mathbf{X}_{t-L+1:t} = [\mathbf{x}_{t-L+1},\mathbf{x}_{t-L+2},\ldots,\mathbf{x}_{t}] \in \mathbb{R}^{C \times L} \]

Дар ин ҷоC шумораи каналҳоро, L бошад, шумораи соатҳои гузаштаеро, ки барои ҳар канал истифода мешаванд, нишон медиҳад. Баромади модел:

\[ \hat{\mathbf{y}}_t = f_{\theta}(\mathbf{X}_{t-L+1:t}) \in \mathbb{R}^{H} \]

бо ин ифода дода шудааст. f_θ, модели пешгӯиест, ки параметрҳои омӯзишшавандаи он θ мебошанд; аломати кулоҳ қимати пешгӯишудаи моделро нишон медиҳад.

Ҳангоми омӯзиш хатои миёнаи квадратии бисёруфуқӣ кам карда шудааст:

\[ \mathcal{L}(\theta)=\frac{1}{BH}\sum_{i=1}^{B}\sum_{h=1}^{H}(y_{i,h}-\hat{y}_{i,h})^2 \]

B андозаи mini-batch, H шумораи соатҳои пешгӯишаванда мебошад. Хатои квадратӣ инҳирофҳои калони пешгӯиро бештар ҷазо медиҳад. Дар таҳқиқот андозаи mini-batch 64 муайян шудааст.

Таҷзияи EEMD чӣ кор мекунад?

EEMD сигнали сарбориро ба функсияҳои режими дохилии марбут ба басомадҳо ва миқёсҳои гуногуни вақт ҷудо мекунад:

\[ l_t=\sum_{k=1}^{K}c_k(t)+r(t) \]

Дар ин ҷоc_k(t), k функсияи режими дохилии рақами r(t) бошад, ҷузъи бақиявӣ ё тамоюли оҳиста тағйирёбандаро ифода мекунад. Дар таҳқиқот K = 6 интихоб шудааст, бинобар ин шаш IMF ва як канали бақиявӣ нигоҳ дошта шудааст.

Ин равандро метавон ба таҳлили ҷудогонаи як мавҷи мураккаб ҳамчун ларзишҳои тез, давраҳои миёнамасштаб ва тамоюлҳои суст монанд кард. Дар графики намунавии таҷзияи 720 соат, IMF1 тағйироти басомади баланд ва миқёси хурд, IMF3 ҳаракатҳои даврии миқёси миёна, IMF5 ларзишҳои сусттар ва ҷузъи бақиявӣ тамоюли умумии сарбориро нишон медиҳад. Барои нигоҳ доштани хондашавии график ҳамаи IMF-ҳо нишон дода нашудаанд.

Вектори хусусиятҳое, ки барои GEFCom2014 сохта шудааст, чунин таъриф мешавад:

\[ \mathbf{x}^{EEMD}_t=[c_1(t),\ldots,c_6(t),r(t),temp_t,a^0_t,h^{sin}_t,h^{cos}_t,w^{sin}_t,w^{cos}_t]^{\mathsf{T}}\in\mathbb{R}^{13} \]

Дар ин вектор temp_t иттилооти ҳароратро, a⁰_t бошад, канали мутобиқати дорои қимати сифрро, ки иттилооти беруна намебарад, ифода мекунад:

\[ a^0_t=0 \]

Ҳадафи канали сифр нигоҳ доштани як тартиби хусусиятҳои ёрирасон байни таҷрибаҳо мебошад; ба канал ҳеҷ гуна маълумоти беруна бор карда нашудааст.

Давраҳои соат ва ҳафта чӣ гуна рамзгузорӣ шудаанд?

Соат ва рӯзи ҳафта на ҳамчун ададҳои категорӣ, балки ба таври даврӣ бо ҷуфтҳои синус ва косинус рамзгузорӣ шудаанд:

\[ h^{sin}_t=\sin\left(\frac{2\pi\cdot hour_t}{24}\right), \qquad h^{cos}_t=\cos\left(\frac{2\pi\cdot hour_t}{24}\right) \]

\[ w^{sin}_t=\sin\left(\frac{2\pi\cdot weekday_t}{7}\right), \qquad w^{cos}_t=\cos\left(\frac{2\pi\cdot weekday_t}{7}\right) \]

Ин намоиш, масалан, мушкили аз ҷиҳати ададӣ дур намоён шудани соати 23-юми рӯз ва соати 0-умро коҳиш медиҳад. Ҳангоми истифодаи синус ва косинус якҷоя, мавқеи даврии рӯз ё ҳафта дар ду андоза нигоҳ дошта мешавад.

Роҳи глобалии канал чӣ гуна кор мекунад?

Роҳи глобалӣ қимати миёнаи ҳар каналро дар равзанаи вуруди 168 соат ҳисоб мекунад:

\[ s^g_c=\frac{1}{L}\sum_{\ell=1}^{L}X_{c,\ell} \]

Ин амал ҳамчун global average pooling, яъне миёнагирии глобалӣ ифода шудааст:

\[ \mathbf{s}^{g}=GAP(\mathbf{X})\in\mathbb{R}^{C} \]

Сипас проексияи дузинагии ғайрихаттӣ холҳои каналҳоро тавлид мекунад:

\[ \mathbf{u}^{g}=\mathbf{W}^{g}_{2}\phi(\mathbf{W}^{g}_{1}\mathbf{s}^{g}+\mathbf{b}^{g}_{1})+\mathbf{b}^{g}_{2} \]

φ, функсияи фаъолсозии ReLU мебошад. Роҳи глобалӣ сатҳи умумӣ ва рафтори миёнаи ҳар каналро дар тамоми равзана ҷамъбаст мекунад, аммо ҷойгиршавии дақиқи намунаҳои кӯтоҳмуддати маҳаллиро мустақиман нигоҳ намедорад.

Роҳи маҳаллии канал чӣ гуна кор мекунад?

Роҳи маҳаллӣ дар меҳвари вақт конволютсияи якандозаро татбиқ мекунад:

\[ \mathbf{H}^{l}=\phi(Conv1D(\mathbf{X}))\in\mathbb{R}^{C\times L} \]

Ин амал барои берун овардани намунаҳои маҳаллии замонӣ, аз қабили болоравии ногаҳонӣ, давраи кӯтоҳ ё ларзиши наздикзамон пешбинӣ шудааст. Баромади конволютсия дар тӯли вақт миёнагирӣ мешавад:

\[ \mathbf{s}^{l}=GAP(\mathbf{H}^{l})\in\mathbb{R}^{C} \]

Холи канали маҳаллӣ бо проексияи дувуми дузинагӣ ҳисоб мешавад:

\[ \mathbf{u}^{l}=\mathbf{W}^{l}_{2}\phi(\mathbf{W}^{l}_{1}\mathbf{s}^{l}+\mathbf{b}^{l}_{1})+\mathbf{b}^{l}_{2} \]

Мувофиқи натиҷаҳои аблатсия, қавитарин саҳм ба дақиқӣ аз ҳамин роҳи маҳаллӣ омадааст.

Маълумоти глобалӣ ва маҳаллӣ чӣ гуна муттаҳид шудаанд?

Саҳми ду роҳ бо як скаляри омӯзишшаванда муттаҳид шудааст:

\[ \alpha=\sigma(a) \]

\[ \mathbf{u}=\alpha\mathbf{u}^{g}+(1-\alpha)\mathbf{u}^{l} \]

σ функсияи sigmoid мебошад. α вақте ба 1 наздик мешавад, роҳи глобалӣ ва вақте ба 0 наздик мешавад, роҳи маҳаллӣ бартарӣ мегирад. Қимати ибтидоӣ дар асоси таҷрибаҳои санҷишӣ барои афзал додани роҳи маҳаллӣ танзим шудааст, вале ҳангоми омӯзиш иҷозат дода шудааст, ки таносуби ду роҳ омӯхта шавад.

Дарвозаи зичи канал ба фосилаи зерин маҳдуд шудааст:

\[ \mathbf{m}=\frac{1}{2}+\frac{1}{2}\sigma(\mathbf{u}), \qquad \mathbf{m}\in(0.5,1)^{C} \]

Вуруди аз нав калибршуда:

\[ \tilde{\mathbf{X}}=\mathbf{X}\odot\mathbf{m} \]

чунин аст. ⊙, татбиқи вазни канал ба ҳамаи қадамҳои вақтро ифода мекунад. Азбаски зарбкунанда байни 0,5 ва 1 нигоҳ дошта мешавад, низом ба ҷойи калон кардани каналҳо ё иваз кардани аломати онҳо, каналҳои камтар муфидро ба таври мулоим заиф мекунад.

Оё дарвозаи пароканда каналҳоро комилан хориҷ мекунад?

Не. Дарвозаи пароканда дар таҳқиқот интихоби сахти хусусият нест, ки каналҳоро ба сифр расонад. Ҳангоми омӯзиш садои Gumbel истифода мешавад:

\[ \epsilon\sim Gumbel(0,1) \]

Қимати дарвозаи пароканда:

\[ \mathbf{g}=\sigma\left(\frac{\mathbf{u}+b-\tau+\epsilon}{\gamma}\right) \]

бо ин ифода ҳисоб мешавад. Дар ин ҷо b ҷойивазкунии омӯзишшаванда, τ ҳадди парокандагӣ, γ бошад, параметри ҳарорат аст.

Зарбкунандаи дарвозаи мулоим:

\[ \mathbf{m}^{SG}=\frac{1}{2}+\frac{1}{2}\mathbf{g} \]

\[ \tilde{\mathbf{X}}_{SG}=\mathbf{X}\odot\mathbf{m}^{SG} \]

чунин аст. Аз ин рӯ, ҳатто каналҳои заифтарин ҳам ҳадди ақал бо зарбкунандаи 0,5 нигоҳ дошта мешаванд. Дараҷаи парокандагӣ ҳамчун ҳиссаи каналҳое гузориш шудааст, ки қимати дарвозаашон аз 0,5 паст аст:

\[ S=\frac{1}{C}\sum_{c=1}^{C}\mathbb{I}(g_c<0.5) \]

Ин тарҳ ҳадаф дорад, ки ҳам пахшкунии тафсиршавандаи каналҳоро таъмин кунад, ҳам ҷараёни градиентро нигоҳ дорад ва аз ҳазфи аз ҳад хашини хусусиятҳо пешгирӣ намояд.

Сарвари пешгӯии GRU чӣ гуна кор мекунад?

Матритсаи хусусиятҳои аз нав калибршуда ба шакли тартиби замонӣ табдил дода мешавад:

\[ \tilde{\mathbf{X}}^{\mathsf{T}}\in\mathbb{R}^{L\times C} \]

GRU-и дузинагӣ дар ҳар қадами вақт ҳолати пинҳониро нав мекунад:

\[ \mathbf{h}_{\ell}=GRU(\tilde{\mathbf{x}}_{\ell},\mathbf{h}_{\ell-1}), \qquad \ell=1,\ldots,L \]

Ҳолати пинҳонии охирин ба фазои баромади 24 соат ба таври хаттӣ проексия мешавад:

\[ \hat{\mathbf{y}}_t=\mathbf{W}_{o}\mathbf{h}_{L}+\mathbf{b}_{o} \]

Ҳамин тавр, модел 24 соати гуногунро дар як вектори ягонаи баромади бисёрқадамӣ пешгӯӣ мекунад.

Кадом маҷмӯи маълумот истифода шудаанд?

Минтақаҳои PJM ба ду давраи алоҳидаи муттасил ҷудо шудаанд, то равзанаҳои лағжанда фосилаҳои чандсоларо убур накунанд ва давраи пандемия бо дигар давраҳо омехта нашавад. Ҳар зермаҷмӯъ мустақилона арзёбӣ шудааст.

Дар ҳоле ки GEFCom2014 маълумоти ҳароратро дар бар мегирад, дар таҷрибаҳои PJM тағйирёбандаи обу ҳаво истифода нашудааст. Таҳқиқот барои моделҳои асосёфта ба EEMD 13 канали вурудро гузориш медиҳад; аммо дар таҷрибаҳои PJM дақиқ чӣ гуна иваз шудани канали ҳарорат дар тартиби умумии каналҳо бо рӯйхати муфассали каналҳо аз нав шарҳ дода нашудааст.

Меъёрҳои самаранокӣ чӣ маъно доранд?

Хатои миёнаи мутлақи фоизӣ:

\[ MAPE=\frac{100}{NH}\sum_{i=1}^{N}\sum_{h=1}^{H}\left|\frac{y_{i,h}-\hat{y}_{i,h}}{y_{i,h}}\right| \]

MAPE хатои пешгӯиро ҳамчун фоизи қимати воқеӣ медиҳад. Қимати пасттар маънои самаранокии беҳтарро дорад.

Решаи хатои миёнаи квадратӣ:

\[ RMSE=\sqrt{\frac{1}{NH}\sum_{i=1}^{N}\sum_{h=1}^{H}(y_{i,h}-\hat{y}_{i,h})^2} \]

RMSE хатогиҳои калонро аз сабаби амали квадратикунӣ бештар ҷазо медиҳад. Таҳқиқот воҳиди физикии сарбории қиматҳои RMSE ва MAE-ро дар ҷадвал равшан нишон надодааст; бинобар ин қиматҳо бояд дар миқёси маълумоти манбаъ арзёбӣ шаванд.

Хатои миёнаи мутлақ:

\[ MAE=\frac{1}{NH}\sum_{i=1}^{N}\sum_{h=1}^{H}|y_{i,h}-\hat{y}_{i,h}| \]

Коэффисиенти детерминатсия:

\[ R^2=1-\frac{\sum_{i=1}^{N}\sum_{h=1}^{H}(y_{i,h}-\hat{y}_{i,h})^2}{\sum_{i=1}^{N}\sum_{h=1}^{H}(y_{i,h}-\bar{y})^2} \]

Ҳар қадар қимати R² ба 1 наздик шавад, модел қисми бештари тағйироти мушоҳидашударо шарҳ медиҳад. R²-и манфӣ нишон медиҳад, ки модел ҳатто аз пешгӯии қимати миёна заифтар буда метавонад.

Беҳбудии нисбӣ нисбат ба модели асосӣ чунин ҳисоб шудааст:

\[ RI=\frac{M_{baseline}-M_{model}}{M_{baseline}}\times100\% \]

Дар ин ҷоM, меъёри хатоест, ба мисли MAPE, RMSE ё MAE, ки пасттар будани он афзал дониста мешавад.

Натиҷаҳои GEFCom2014 чиро нишон медиҳанд?

Дар GEFCom2014 пасттарин MAPE бо %7,76 дар модели LocalOnly ба даст омадааст. Модели пурраи EEMD-DCA-GRU-SG бо дарвозаи пароканда бо MAPE-и %7,90 дар гурӯҳи дувуми натиҷаҳои қавӣ қарор гирифта, нисбат ба моделҳои EEMD-GRU, GRU, Informer ва PatchTST хатои камтар додааст.

Натиҷаҳо ду паёми ҷудогона медиҳанд. Якум, аз нав калибркунии каналҳо пас аз EEMD метавонад дақиқии benchmark-ро баланд кунад. Дуюм, муттаҳидсозии пурраи глобалӣ-маҳаллӣ ҳамеша сохтори беҳтарин нест. Натиҷаи беҳтарин аз модели аблатсионӣ, ки танҳо роҳи маҳаллиро истифода мебарад, ба даст омадааст.

Самаранокии параметрӣ ва ҳисоббарорӣ чӣ гуна аст?

Модели пурраи дорои дарвозаи пароканда бо камтар аз тақрибан як даҳяки параметрҳои Informer MAPE-и пасттари benchmark ҳосил кардааст. Аммо EEMD ва аз нав калибркунии каналҳо нисбат ба GRU-и асосӣ хароҷоти омӯзиш ва инференсияро зиёд кардаанд. Илова бар ин, ҳарчанд вақтҳои омӯзиши ҷадвал дар як истгоҳи корӣ чен шудаанд, хусусиятҳои сахтафзор дар таҳқиқот муфассал гузориш нашудаанд; аз ин рӯ ин вақтҳоро набояд мустақиман ба низомҳои дигар интиқол дод.

Таҷрибаҳои аблатсия нишон медиҳанд, ки кадом ҷузъ таъсирбахш аст?

Модели LocalOnly нисбат ба EEMD-GRU қимати MAPE-ро ба ҳисоби миёна 0,579 банди фоизӣ кам карда, дар t-test-и ҷуфтшуда p = 0,0063 натиҷа додааст. Дар модели пурраи дорои дарвозаи пароканда камшавии миёна 0,438 банди фоизӣ, беҳбудии нисбӣ %5,21 ва p = 0,0051 гузориш шудааст. Беҳбудии модели зичи NoSparse танҳо 0,135 банди фоизӣ буда, аз ҷиҳати оморӣ аҳамиятнок набуд; p = 0,2061.

Аммо таҷрибаҳо танҳо ба панҷ оғозкунии тасодуфӣ асос ёфтаанд. Муаллиф ба таври ошкоро мегӯяд, ки санҷиши Wilcoxon бо панҷ намуна қобилияти тафриқаи маҳдуд дорад ва санҷишҳои оморӣ бояд якҷоя бо устувории рейтинг ва андозаи таъсир шарҳ дода шаванд.

Натиҷаҳои PJM дар бораи қобилияти умумисозии модел чӣ мегӯянд?

Матни таҳқиқот гузориш медиҳад, ки дар натиҷаҳои иловагии муфассалтар барои AEPOPT-pre модели EEMD-DCA-GRU-SG бо дарвозаи пароканда пасттарин RMSE-ро додааст. Аммо қимати рақамии RMSE-и ин модел дар Ҷадвали ҷамъбастии 3-и ҳуҷҷати асосӣ нишон дода нашудааст. Аз ин рӯ, рейтинги матнро метавон интиқол дод, аммо қимати намерасида набояд тахмин карда шавад.

Натиҷаҳои PJM нишон медиҳанд, ки модел бартарии умумӣ надорад. Таҷзия дар баъзе минтақаҳо меъёрҳои сохтории хаторо беҳтар мекунад, дар баъзе минтақаҳо бошад GRU-и содда ё модели танҳо EEMD муваффақтар аст. Фоидаи аз нав калибркунии каналҳо аз минтақаи сарборӣ ва давра вобаста аст.

Графики аҳамияти канал чиро нишон медиҳад?

Дар графики аҳамияти каналҳои модели дорои дарвозаи пароканда қисми зиёди IMF-ҳо ва каналҳои бақиявӣ холҳои баланди нигоҳдорӣ гирифтаанд. Махсусан IMF5, ҷузъи бақиявӣ, IMF4 ва IMF6 дар ҷойҳои боло дида мешаванд. Хусусиятҳои синус ва косинуси соат, ки давраи дохилирӯзиро ифода мекунанд, низ аҳамияти баланд гирифтаанд.

Рамзҳои рӯзи ҳафта холҳои пасттар гирифтаанд. Аз рӯи график тақрибан дида мешавад, ки канали weekday_sin ба сифр хеле наздик аст ва канали weekday_cos назар ба дигар хусусиятҳои вақт ба таври возеҳ пасттар аст. Ин натиҷа нишон медиҳад, ки дар модели мувофиқшуда ҷузъҳои EEMD ва давраи ҳаррӯза нисбат ба рамзҳои ҳафтаина бештар нигоҳ дошта шудаанд; аммо холҳои аҳамият набояд ҳамчун таъсири сабабӣ ё аҳамияти физикии умумӣ шарҳ дода шаванд.

Графикҳои пешгӯӣ рафтори моделро чӣ гуна шарҳ медиҳанд?

Графики пешгӯии яксоатаи лағжанда дар 168 қадами пайдарпайи санҷиш нишон медиҳад, ки моделҳои асосёфта ба EEMD тамоюли сарбории басомади пастро нисбат ба GRU ва Informer мунтазамтар пайгирӣ мекунанд. Аммо дар тағйироти тез ва амплитудаи баланд дар тақрибан қадамҳои 75-100-и санҷиш хатои мутлақи ҳамаи моделҳо меафзояд.

Дар графики намунавии пешгӯии 24 соат EEMD-GRU ва EEMD-DCA-GRU хатҳои ҳамвортар ҳосил мекунанд. Ин ҳамворсозӣ ба гирифтани тамоюли умумии рӯзона кумак мекунад, вале метавонад боис шавад, ки қуллаҳо ва фурӯравиҳои тези соатӣ дар қатори воқеӣ нокифоя бознамоӣ шаванд. График на бартарии моделро дар ҳар соати пешгӯӣ, балки тавлиди пешгӯиҳои устувортар ва мутамарказ ба басомади пастро дастгирӣ мекунад.

Дар истифодаи онлайн ва сабабӣ чӣ рух додааст?

Дар таҷрибаҳои асосӣ EEMD пас аз тақсим шудани маълумот ба маҷмӯаҳои омӯзиш, санҷиш ва тест ба тартиби хронологӣ дар ҳар як маҷмӯа татбиқ шудааст. Ин равиш аз омӯзиши муштараки танзимоти нормализатсия ва таҷзия байни маҷмӯаҳои гуногуни маълумот пешгирӣ мекунад; аммо бо низоми қатъии онлайн, ки дар ҳар вақти пешгӯӣ танҳо мушоҳидаҳои гузашта дастрасанд, яксон нест.

Муаллиф барои санҷидани ин маҳдудият таҷрибаи хурди сабабии EEMD анҷом додааст, ки танҳо префикси таърихиро то вақти пешгӯӣ истифода мебарад:

Ин таҷрибаи ташхисӣ бо 30 оғози пешгӯӣ, ки бо фосилаи ҳаррӯза интихоб шудаанд, ва танҳо 10 озмоиши ансамблии EEMD анҷом дода шудааст. Санҷишҳои яктарафаи ҷуфтшудаи Wilcoxon барои ҳар ду варианти DCA аҳамиятнок набуданд. Аз ин рӯ, муваффақияти benchmark-и офлайн мустақиман ба истифодаи қатъии сабабии онлайн интиқол намеёбад.

Таҳқиқот кадом натиҷаҳоро дастгирӣ мекунад?

• Аз нав калибркунии каналҳо пас аз EEMD метавонад хатои пешгӯиро дар маълумоти benchmark-и GEFCom2014 коҳиш диҳад.
• Роҳи маҳаллии замонии канал дар таҷрибаи benchmark қавитарин саҳми инфиродиро ба дақиқӣ додааст.
• Дарвозаи пароканда дар модели пурраи глобалӣ-маҳаллӣ нисбат ба дарвозаи зич натиҷаи беҳтар дода, пахшкунии тафсиршавандаро дар сатҳи канал таъмин кардааст.
• Моделҳои пешниҳодшуда нисбат ба муқоисаҳои асосёфта ба Transformer параметрҳои омӯзишшавандаи хеле камтар истифода кардаанд.
• Усулҳои асосёфта ба EEMD дар баъзе зермаҷмӯаҳои PJM натиҷаҳои RMSE ва R²-ро беҳтар кардаанд.

Таҳқиқот чиро исбот намекунад?

• Исбот нашудааст, ки модели пешниҳодшуда дар ҳамаи шабакаҳои барқӣ ё ҳамаи маҷмӯи маълумот беҳтарин усул аст.
• Модели пурраи дорои дарвозаи пароканда дар benchmark пасттарин хаторо надод; LocalOnly муваффақтар аст.
• Натиҷаҳои офлайнии EEMD далели муваффақияти онлайнии вақти воқеӣ нестанд.
• Модел дар низоми барқи Туркия санҷида нашудааст.
• Таҳқиқот сарфаи иқтисодӣ, коҳиши арзиши истеҳсол ё муваффақияти амалиётии саҳроиро чен накардааст.
• Пешгӯии эҳтимолӣ ё фосилаҳои номуайянии пешгӯӣ арзёбӣ нашудаанд.
• Холҳои аҳамияти канал далели сабабияти физикӣ нестанд.
• Натиҷаҳои оморӣ аз панҷ оғозкунии тасодуфӣ ҷойгузини таҳлили номуайянии дорои намунаи калон нестанд.

Ҷиҳатҳои қавӣ ва маҳдудиятҳо кадоманд?

Ҷиҳатҳои қавӣ:

• Таъсири ҷузъҳои модел бо аблатсияҳои GlobalOnly, LocalOnly, дарвозаи зич ва дарвозаи пароканда алоҳида санҷида шудааст.
• Ғайр аз маҷмӯи маълумоти benchmark, қаторҳои воқеии сарбории PJM, ки ба давраҳои гуногун ҷудо шудаанд, истифода шудаанд.
• Натиҷаҳо бо миёна ва инҳирофи стандартии панҷ оғозкунии тасодуфӣ гузориш шудаанд.
• Дар баробари дақиқӣ параметрҳо, вақти омӯзиш ва вақти инференсия муқоиса шудаанд.
• Муаллиф натиҷаҳои PJM ва натиҷаҳои сабабии онлайниро, ки модел дар онҳо ноком ё маҳдуд буд, низ ошкоро пешниҳод кардааст.

Маҳдудиятҳои асосӣ:

• Таҳқиқот preprint-и аз арзёбии ҳамтоён нагузашта мебошад.
• Протоколи асосии EEMD бо таҷзияи қатъии онлайнии сабабӣ яксон нест.
• Дар таҷрибаи префикси сабабӣ вариантҳои DCA аз EEMD-GRU пеш нагузаштанд.
• Раванди EEMD нисбат ба моделҳои хоми GRU хароҷоти иловагии пешкоркард ба вуҷуд меорад.
• Таҷрибаҳои PJM танҳо бо минтақаҳои CE ва AEPOPT маҳдуданд.
• Дар маълумоти PJM тағйирёбандаҳои обу ҳаво истифода нашудаанд.
• Муқоисаи оморӣ танҳо ба панҷ оғозкунии тасодуфӣ асос ёфтааст.
• Қиматҳои рақамии баъзе натиҷаҳои ҷадвали иловагии PJM дар ҳуҷҷати асосӣ дода нашудаанд.
• Код, бахшҳои коркардшудаи маълумот ва моделҳои омӯзонидашуда тавассути пайванди мустақим нашр нашудаанд; гуфта шудааст, ки муаллиф метавонад онҳоро бо дархости асоснок пешниҳод кунад.

Усул ва натиҷаҳои таҳқиқот

Хулосаи техникии тарҳи таҷриба

Моделҳои муқоисашуда

• Пешгӯкунандагони соддае, ки миёна, давомнокӣ ва қимати рӯзи охирро истифода мебаранд
• XGBoost
• GRU, LSTM ve CNN-LSTM
• Informer ve PatchTST
• EEMD-GRU
• DCA-GRU-SG, ки бидуни EEMD кор мекунад
• Аблатсияҳои GlobalOnly ва LocalOnly
• EEMD-DCA-GRU-и зич
• EEMD-DCA-GRU-SG бо дарвозаи пароканда

Хулосаи техникии бозёфтҳои асосӣ

• Дақиқии benchmark: Модели LocalOnly дар GEFCom2014 ба %7,76 MAPE, 16,60 RMSE, 12,28 MAE ва 0,9005 R² расидааст.
• Модели пурраи пароканда: EEMD-DCA-GRU-SG %7,90 MAPE ва 16,78 RMSE ҳосил кардааст.
• Таъсири таҷзия: EEMD-GRU нисбат ба GRU-и хом дар MAPE беҳбудии маҳдуд, аммо дар меъёрҳои RMSE, MAE ва R² беҳбудии равшантар нишон додааст.
• Таъсири роҳи маҳаллӣ: LocalOnly нисбат ба GlobalOnly ва ду варианти муттаҳидшуда хатои камтар додааст.
• Таъсири дарвозаи пароканда: Дар модели пурраи муттаҳидшуда дарвозаи пароканда MAPE-и варианти зичро аз %8,20 ба %7,90 коҳиш додааст.
• Самаранокии параметрҳо: Модели пурраи пароканда 167,5 ҳазор параметр истифода кардааст, дар ҳоле ки Informer 2,41 миллион ва PatchTST 615,5 ҳазор параметр истифода кардаанд.
• Маҳдудиятҳои PJM: Дар хулосаи CE-pre ва асосии AEPOPT-pre GRU; дар CE-post EEMD-DCA-GRU-и зич; дар AEPOPT-post EEMD-GRU муваффақтар аст.
• Маҳдудияти онлайн: Дар санҷиши префикси сабабӣ вариантҳои DCA нисбат ба EEMD-GRU беҳбудии аҳамиятнок надоданд.

Хулоса аз ҷиҳати истифода

Таҳқиқот нишон медиҳад, ки дар пешгӯии кӯтоҳмуддати сарборӣ ба ҷойи калон кардани андозаи модел, таҷзияи сохтори сигнал ва ба таври интихобӣ заиф кардани каналҳои вуруд метавонад самаранок бошад. Аммо сохтори беҳтарини benchmark модели пурраи глобалӣ-маҳаллии пешниҳодшуда нест, балки танҳо роҳи аз нав калибркунии маҳаллӣ мебошад. Ин нишон медиҳад, ки муттаҳидсозии мураккабтар худ аз худ натиҷаи беҳтар намедиҳад.

Барои истифодаи вақти воқеӣ модел бояд бо EEMD-и лағжанда ё равзанагӣ, ки танҳо маълумоти гузаштаро истифода мебарад, аз нав омӯзонида шавад. Бори ҳисоббарории EEMD бояд дар низомҳое, ки ҳангоми расидани маълумот фавран пешгӯӣ медиҳанд, алоҳида чен карда шавад. Натиҷаҳои кунунии таҳқиқот муваффақияти benchmark-и офлайнро дастгирӣ мекунанд, аммо низоми тайёри саҳроӣ ё муваффақияти амалиётии вақти воқеиро пешниҳод намекунанд.

Ёддошт оид ба манбаъ ва усул

• Номи пурраи аслии таҳқиқот: Decomposition-Aware Channel Recalibration for Lightweight Short-Term Load Forecasting
• Муаллиф: Jiezhuo Zhang
• Тартиби муаллиф: Таҳқиқоти якмуаллифа
• Ҳаммуаллифи аввал: Мавҷуд нест.
• Муаллифи масъул: Jiezhuo Zhang
• Муассиса: School of Information Science and Engineering, East China University of Science and Technology, Shanghai 200237, China
• DOI:10.2139/ssrn.7192485
• Маҷалла: Маълумот дар бораи маҷаллаи ҳамтоён-арзёбишуда мавҷуд нест.
• Платформаи нашр: SSRN
• Оператори платформа: Elsevier Inc.
• Соли нашр: 2026
• Санаи сабти SSRN:27 июли 2026
• Навъи манбаъ: Таҳқиқоти preprint, ки моделсозӣ ва таҳлили маълумотро дар бар мегирад
• Ҳолати арзёбии ҳамтоён: Ин таҳқиқот preprint буда, аз арзёбии ҳамтоён нагузаштааст.
• Пайванди расмии таҳқиқот:Саҳифаи расмии таҳқиқот дар SSRN

Ин шарҳи тоҷикӣ бо омӯзиши матн, формулаҳо, ҷадвалҳо, нақшаи меъморӣ, графикҳои таҷзия, натиҷаҳои аблатсия, муқоисаҳои PJM, графики аҳамияти канал ва тасвирҳои пешгӯии таҳқиқоти боршуда омода шудааст. Ҳеҷ натиҷаи нави таҷрибавӣ, даъвои муваффақияти илмӣ ё бозёфти илмии аз манбаи беруна гирифташуда, ки дар таҳқиқот вуҷуд надорад, илова нашудааст. Санҷиши манбаъҳои беруна танҳо барои тасдиқи маълумоти библиографӣ, ба мисли DOI, санаи SSRN, платформа ва ҳолати нашр истифода шудааст.

Маҳдудиятҳои асосии таҳқиқот инҳоянд: аз арзёбии ҳамтоён нагузаштан, яксон набудани арзёбии асосии EEMD бо протоколи қатъии онлайнии сабабӣ, тасдиқ нашудани фоидаи DCA дар санҷиши префикси сабабӣ, хароҷоти ҳисоббарории EEMD, истифодаи танҳо ду минтақаи PJM, набудани маълумоти обу ҳаво дар таҷрибаҳои PJM ва маҳдуд будани таҷрибаҳои оморӣ бо панҷ оғозкунии тасодуфӣ.

Муаллиф ҳеҷ манфиати молиявии рақобаткунанда ё муносибати шахсиро гузориш надодааст ва гуфтааст, ки таҳқиқот аз муассисаҳои маблағгузории давлатӣ, тиҷоратӣ ё ғайритиҷоратӣ дастгирии махсус нагирифтааст. Маълумоти GEFCom2014 ва PJM Data Miner аз манбаъҳои дастраси умум гирифта шудаанд; гуфта шудааст, ки бахшҳои коркардшудаи маълумот, код ва баромадҳои моделҳои омӯзонидашуда метавонанд бо дархости асоснок пешниҳод шаванд.

Тибқи изҳороти зеҳни сунъии таҳқиқот, OpenAI ChatGPT ва Codex барои такмили забон, бозбинии код, форматбандии ҳуҷҷат ва санҷишҳои ҳамоҳангӣ истифода шудаанд. Муаллиф гуфтааст, ки баромадҳои бо ёрии зеҳни сунъӣ омодашударо баъдан бозбинӣ ва таҳрир карда, равандҳои таҷрибавӣ ва натиҷаҳоро мустақилона санҷидааст ва масъулияти муҳтавои нашрро ба зимма мегирад.