Prediction Intervals for Short-Term Load Forecasting Neuro-Fuzzy Models

In the paper the problem of estimation of the prediction intervals (error bars) for the family neuro-fuzzy Short-Term Load Forecasting (STLF) models is discussed. We investigate two neuro-fuzzy networks: Fuzzy Basis Function (FBF) Networks, and linear neuro-fuzzy model with Tagagi-Sugeno reasoning. The paper contains comparison of selected most important methods for error bars calculation (analytical delta method, and bootstrap), and discusses the obtained results in context STLF.

---

W artykule zaprezentowane zostały metody wyznaczania przedziałów prognozy dla rodziny neuronowo rozmytych modeli krótkoterminowego prognozowania obciążenia sieci. Przebadane zostały dwa rodzaje sieci neuronowo-rozmytych: sieci Fuzzy Basis Function (FBF) i liniowe neuronowe modele rozmyte z wnioskowaniem typu Takagi-Sugeno. Artykuł obejmuje porównanie najistotniejszych metod szacowania przedziałów prognozy: analitycznej metody delta i bootstrapu), dyskutując wyniki w kontekście krótkoterminowych prognoz obciążenia sieci.