20、高效整合外部信息实现精准预测

高效整合外部信息实现精准预测

1. 外部信息整合难题

在能源领域的预测模型中，引入外部信息如温度、风速等，能提升预测的准确性。然而，这也带来了新的挑战。能源消耗与温度之间存在二次（即非线性）依赖关系，为了综合考虑整体温度水平和长期温度趋势，通常会加入当前和过去几天的最高温度 (T_{max}) 以及过去七天的平均温度 (T_d) 等信息。

但添加外部信息会增加额外的参数，导致参数搜索空间的维度增加。以多方程模型（如 EGRV 模型）为例，每引入一个影响因素，每个子模型就会增加五个额外参数。假设基础模型有 10 个参数，那么所有子模型的搜索空间维度将从 (X_{10}) 增加到 (X_{15})。这显著增加了寻找合适参数组合所需的时间，尤其在面对不断变化的时间序列时，需要持续调整预测模型以适应新情况，这使得考虑外部信息的模型在需要实时处理能力时可能变得不可用。

2. 解决方案概述

为了解决上述问题，核心思路是将外部信息的建模与实际预测模型分离。这是因为因变量与外部信息之间以及外部信息之间的关系变化非常小，特别是对于构成稳定物理系统的外部信息（如能源领域常用的天气信息），它们与能源需求和供应之间存在稳定的关系。基于这种稳定性，我们可以假设外部信息的单独模型比预测模型更稳定。

因此，在大多数情况下，调整预测模型时只需重新估计基础模型的参数，而排除单独的外部信息模型。这意味着即使整合了外部信息，大多数情况下也不需要额外的时间来调整预测模型。此外，对于多方程模型，只需要一个外部信息模型，就可以供所有涉及的子模型重复使用。

创建外部信息模型的框架流程如下：
1. 使用特征选择技术选择最相关的外部信息。
2.