Buchumschlag

Adaptive Bayesian Very Short-Term Wind Power Forecasting Based on the Generalised Logit Transformation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Tao, Browell, Jethro, Castro-Camilo, Daniela
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Applications Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Probabilistic forecasting of weather-driven faults in electricity networks: a flexible approach for extreme and non-extreme events
von: Maia, Mateus, et al.
Veröffentlicht: (2026)

Seamless Short‐ to Mid‐Term Probabilistic Wind Power Forecasting
von: Gabriel Dantas, et al.
Veröffentlicht: (2025)

Seamless short- to mid-term probabilistic wind power forecasting
von: Dantas, Gabriel, et al.
Veröffentlicht: (2025)

Predictive Uncertainty in Short-Term PV Forecasting under Missing Data: A Multiple Imputation Approach
von: Pashmchi, Parastoo, et al.
Veröffentlicht: (2026)

Achieving Skilled and Reliable Daily Probabilistic Forecasts of Wind Power at Subseasonal-to-Seasonal Timescales over France
von: Lindas, Eloi, et al.
Veröffentlicht: (2025)

Additive Covariance Matrix Models: Modelling Regional Electricity Net-Demand in Great Britain
von: Gioia, V., et al.
Veröffentlicht: (2022)

DETNO: A Diffusion-Enhanced Transformer Neural Operator for Long-Term Traffic Forecasting
von: Ahmad, Owais, et al.
Veröffentlicht: (2025)

Improving Geopolitical Forecasts with Bayesian Networks
von: Martin, Matthew
Veröffentlicht: (2026)

CESAR: A Convolutional Echo State AutoencodeR for High-Resolution Wind Forecasting
von: Bonas, Matthew, et al.
Veröffentlicht: (2024)

Cross-Domain Offshore Wind Power Forecasting: Transfer Learning Through Meteorological Clusters
von: Weisser, Dominic, et al.
Veröffentlicht: (2026)

The Hybrid Renewable Energy Forecasting and Trading Competition 2024
von: Browell, Jethro, et al.
Veröffentlicht: (2025)

CLVAE: A Variational Autoencoder for Long-Term Customer Revenue Forecasting
von: Näf, Jeffrey, et al.
Veröffentlicht: (2026)

Probabilistic Wind Power Modelling via Heteroscedastic Non-Stationary Gaussian Processes
von: Ladopoulou, Domniki, et al.
Veröffentlicht: (2025)

Adaptive Multi-task Learning for Probabilistic Load Forecasting
von: Zaballa, Onintze, et al.
Veröffentlicht: (2025)

DeepMIDE: A Multi-Output Spatio-Temporal Method for Ultra-Scale Offshore Wind Energy Forecasting
von: Ye, Feng, et al.
Veröffentlicht: (2024)

Transportation Marketplace Rate Forecast Using Signature Transform
von: Gu, Haotian, et al.
Veröffentlicht: (2024)

Long-Term Probabilistic Forecast of Vegetation Conditions Using Climate Attributes in the Four Corners Region
von: McPhillips, Erika, et al.
Veröffentlicht: (2026)

MCMC with Adaptive Principal-Component Transformation: Rotation-Invariant Universal Samplers for Bayesian Structural System Identification
von: Meng, Xianghao, et al.
Veröffentlicht: (2026)

Long-Term Spatio-Temporal Forecasting of Monthly Rainfall in West Bengal Using Ensemble Learning Approaches
von: Adhikary, Jishu, et al.
Veröffentlicht: (2025)

Beyond Grids: Multi-objective Bayesian Optimization With Adaptive Discretization
von: Nika, Andi, et al.
Veröffentlicht: (2020)

MMformer with Adaptive Transferable Attention: Advancing Multivariate Time Series Forecasting for Environmental Applications
von: Xin, Ning, et al.
Veröffentlicht: (2025)

Transfer Learning using 66 Diseases for Disease Forecasting Applications
von: Beesley, Lauren J, et al.
Veröffentlicht: (2026)

Analysis of Learning-based Offshore Wind Power Prediction Models with Various Feature Combinations
von: Fang, Linhan, et al.
Veröffentlicht: (2025)

Evaluating Imputation Techniques for Short-Term Gaps in Heart Rate Data
von: Gupta, Vaibhav, et al.
Veröffentlicht: (2025)

Adaptive Norm-Based Regularization for Neural Networks
von: Qasim, Muhammad, et al.
Veröffentlicht: (2026)

Integrating Marketing Channels into Quantile Transformation and Bayesian Optimization of Ensemble Kernels for Sales Prediction with Gaussian Process Models
von: Mirshekari, Shahin, et al.
Veröffentlicht: (2024)

Weather-Informed Probabilistic Forecasting and Scenario Generation in Power Systems
von: Zhang, Hanyu, et al.
Veröffentlicht: (2024)

Copula-Based Aggregation and Context-Aware Conformal Prediction for Reliable Renewable Energy Forecasting
von: Moradi, Alireza, et al.
Veröffentlicht: (2026)

Probabilistic Multi-Layer Perceptrons for Wind Farm Condition Monitoring
von: Fiocchi, Filippo, et al.
Veröffentlicht: (2024)

Adaptive Selection of the Optimal Strategy to Improve Precision and Power in Randomized Trials
von: Balzer, Laura B., et al.
Veröffentlicht: (2022)

Informed Forecasting: Leveraging Auxiliary Knowledge to Boost LLM Performance on Time Series Forecasting
von: Ghasemloo, Mohammadmahdi, et al.
Veröffentlicht: (2025)

Federated Learning for Financial Forecasting
von: Noseda, Manuel, et al.
Veröffentlicht: (2025)

Data-driven Calibration Sample Selection and Forecast Combination in Electricity Price Forecasting: An Application of the ARHNN Method
von: Serafin, Tomasz, et al.
Veröffentlicht: (2025)

Forecasting Medium-Horizon Alzheimer's Disease Progression: Residual Gap-Aware Transformers for 24-Month CDR-SB Change from ADNI Clinical and Biomarker Histories
von: Tong, Ran, et al.
Veröffentlicht: (2026)

Simplifying Random Forests' Probabilistic Forecasts
von: Koster, Nils, et al.
Veröffentlicht: (2024)

Singular Bayesian Neural Networks
von: Toure, Mame Diarra, et al.
Veröffentlicht: (2026)

Adaptive Meta-Learning Stochastic Gradient Hamiltonian Monte Carlo Simulation for Bayesian Updating of Structural Dynamic Models
von: Meng, Xianghao, et al.
Veröffentlicht: (2026)

A Novel Framework for Analyzing Structural Transformation in Data-Constrained Economies Using Bayesian Modeling and Machine Learning
von: Katende, Ronald
Veröffentlicht: (2024)

Multidata Causal Discovery for Statistical Hurricane Intensity Forecasting
von: S, Saranya Ganesh, et al.
Veröffentlicht: (2025)

Forecasting West Nile virus with deep graph encoders
von: Greiffenstein, Ethan, et al.
Veröffentlicht: (2025)