IDTBN方法應用於整合專家意見之實證研究——以電力長期負載預測為例

An Empirical Study on IDTBN Applied to the Integration of Expert Opinions -- The Case of Long-term Electric Load Prediction

楊琇珊(Hsiu-Shan Yang)

指導教授 ： 曹承礎

國立臺灣大學/管理學院/資訊管理學研究所/碩士(2008年)

https://doi.org/10.6342/NTU.2008.01806

摘要

企業在進行研發及生產等活動皆須仰賴大量資訊，因此，如何將資訊轉化為輔助企業決策的知識，即成為資訊超載時代之下所面對的首要課題。而在獲取知識的途徑中，通常針對特定專業領域，萃取並整合專家意見的作法是為較常見的模式。
若能有效統整專家意見並將其以結構化模型呈現，則可提供日後分析與應用，並進一步支援相關領域之決策制定。本研究先擷取專家意見與討論中所提及的外生變數及對預測值之可能影響程度，再整合決策樹（Decision Tree）分析與貝氏網路（Bayesian Network）方法，將所得之意見資料建立成完整的專家知識脈絡。使原本僅能得到單一分析者觀點的預測值，現在能保存集合多元專家預測觀點的推論架構，進而作為決策支援系統預測值之微調參考。
由於電力需求與供給面的整合，可大幅提升電力資源之使用績效，電力負載預測也進而成為重要課題。而透過決策支援系統（Decision Support System, DSS）的輔助，已能達到以長期歷史資料佐以專家意見來進行電力負載量之預測，再由專家根據決策支援系統的預測值作微調，然而此傳統作法並無保存專家意見背後據以判斷的龐大知識架構。本研究乃選定電力產業為實例應用研究之標的，以研究中所提出之IDTBN（Integrated Decision Tree and Bayesian Network）方法，期能整合專家諮詢會議中所提出之意見並建立出分析模型，使專家對決策支援系統之結果值進行微調時，能以此反映出未來發展趨勢的模型並作為參考，使電力負載預測結果更具準確性。

關鍵字

貝氏網路 ； 決策樹 ； 資料探勘 ； 專家意見整合 ； 電力長期負載預測

並列摘要

The enterprise rely on a lot of information to lead production, research and development activities; therefore, how to transfer the information into knowledge which assists enterprises in making decision, becomes one of the most important issue in the age of information overload. Usually, extracting and integrating expert opinions of specific fields are the common rule to acquire knowledge.
Effectively converging expert opinions and showing the structure of the knowledge model can be used for analysis and application in the future and the decision-making of related areas. This thesis aims to extract the extraneous variables and their impact degree toward predicting value. The goal is to integrate Decision Tree analysis and Bayesian Network and construct a complete knowledge profile of experts with those variables and data. Not only will the predicting value of single analyst’s view but also an inferring structure including multiple views of experts be acquired.
Because the integration of demand and supply side for electric power could enhance the utility performance of electric power resource, the prediction of power load becomes more and more important. With the aid of Decision Support System (DSS), the power load could be predicted by making use of historical records and experts’ opinions and slightly adjusting the predicting value of DSS by experts, but the great knowledge structure used for judgment was not kept. In this study, we select the power industry as our research target, and use IDTBN (Integrated Decision Tree and Bayesian Network) method presented in this paper, to integrate the opinions given in the expert meeting and build an analysis model. As a result, it can improve the prediction of electric power load and cope with the changing trend of the future.

並列關鍵字

Bayesian Network ； Decision Tree ； Data Mining ； Integration of Expert Opinions ； Long-term Electric Load Prediction

參考文獻

【4】 范樹根(2005)，「結合模糊集合與貝氏分類 應用於無線設備測試良率之研究」，中原大學資訊管理研究所碩士論文。

【20】 徐世勳、李篤華、蘇漢邦、林幸君(2005)，「台灣產業結構變動之動態一般均衡預測－TAIGEM-E模型的應用」。

【16】 台灣經濟研究院，歷年「國內總體經濟預測暨景氣動向調查月報」。

【12】 許哲強(2002)，「台灣區域電力負載預測分析系統之建立與應用研究」，國立成功大學資訊工程研究所博士論文。

【21】 許哲強(2002)，「台灣區域電力負載預測分析系統之建立與應用研究」，成大資工所博士論文。