タブサーチにより最適化されたファジィ回帰2進木を用いた電力価格予測

摘要

本稿では分岐値をファジィ化した回帰二進木と多層パーセプトロン(以下，MLP と略記)をメタヒューリスティクスで最適化した電力価格予測手法を提案する。運用者にとって価格予測モデルは理解しやすく高精度であることが望まれる。そこで本稿ではモデルが木構造で視覚的に理解しやすいCART による回帰2 進木に着目する。しかしCART による二進木構築法では分岐条件決定に関して局所的であり，分岐値の決定が曖昧であるため誤分類の可能性が懸念される。そこで，メタヒューリスティクスの一種であるTabu Search(以下，TSと略記)とEvolutionally Particle Swarm Optimization(以下，EPSO と略記)を用いて最適な回帰二進木を構築する。また2 進木のみでは予測精度に問題があるためMLP を組み合わせることで予測精度を向上させる。更にMLP の荷重係数の決定にEPSO を組み合わせることで最適なMLP 構造を作り更なる高精度化を実現する。