管理学院开展人才引进学术交流活动，欢迎感兴趣的师生参与！

报告题目：如何利用时间依赖性提升概率性电力负荷预测的准确度

主 持 人：钱志峰  青年研究员

报 告 人：田   野  教授

报告时间：2025年4月22日9:00

报告地点：腾讯会议 755-697-136

报告简介：

在电力负荷预测领域，研究者通常会利用历史观测数据并通过捕捉其中的时间序列特性来提升预测性能。但现有研究往往忽视了历史观测数据和外生特征在模型训练中的不同作用，并忽略了电力负荷内部的时间依赖性，导致模型可解释性降低。本研究聚焦于最前沿的概率性电力负荷预测领域，采用支持向量回归刻画外生特征与电力负荷间的关联关系，继而通过自回归误差项纳入时间依赖性特征。在此基础上，进一步利用误差间的依赖关系优化预测区间。本研究提出了完整的模型拟合流程及单步/多步预测区间生成方法，并提供了理论保证。仿真实验与真实案例分析验证了所提方法在实现具有期望覆盖概率的预测区间方面的有效性。

报告人简介：

田野，男，美国北卡罗莱纳州立大学博士，西南财经大学教授、博导，物流与供应链管理研究所所长。主要从事数据驱动优化、人工智能与机器学习，供应链管理等领域的研究，在IEEE Transactions on Fuzzy Systems, Applied Soft Computing, Information Science, European Journal of Operational Research等SCI/SSCI主流期刊发表研究论文三十余篇，其中以第一作者或通讯作者发表27篇。主持国家自然科学基金青年项目，国家自然科学基金重点项目子课题负责人，四川省科技厅项目，四川省统计局项目，并主持多项横向项目。

【代表性科研成果】

1.    Zhou, J., Tian, Y., Luo, J. and Zhai, Q. (2022). Laplacian large margin distribution machine for semi-supervised classification. Journal of the Operational Research Society, 73, 1889-1904.

2.    Zheng, J., Tian, Y., Luo, J. and Hong, T. (2023). A novel hybrid method based on kernel-free support vector regression for stock indices and price forecasting. Journal of Operational Research Society, 74, 690-702.

3.    Zhai, Q. ,Tian, Y. and Luo, J. and Zhou, J. (2023). Hotel overbooking based on no-show probability forecasts. Computers & Industrial Engineering, 180, 109226.

4.    Zhou, J., Tian, Y. and Luo, J. (2023). A kernel-free Laplacian quadratic surface optimal margin distribution machine with application to credit risk assessment. Applied Soft Computing, 133,109931.

5.    Zhang,Y.,Tian, Y. and Zhang, Y. (2025). Leveraging temporal dependency in probabilistic electric load forecasting. Applied Soft Computing, 169, 112611.