arXiv · Machine Learning Theory· Tomas Kaljevic, Ivan Arzola, Yu Zhang·· 3 小时前AI 评分29
协变量不确定性下负荷预测时间序列基础模型基准评测
Benchmarking Time Series Foundation Models for Load Forecasting Under Covariate Uncertainty
AI 导读
该研究在三个真实负荷预测数据集上，对四款从零训练模型与四款时间序列基础模型（TSFM）开展基准评测，比较未来协变量可用性与质量不同的运行场景。结果显示，Chronos-2 在协变量可用或预测准确时于 zero-shot 与微调设置下均达 SOTA，但协变量噪声增大时性能下降，TimesNet 在严重协变量不确定性下更稳健。
来源：arXiv · Machine Learning Theory · arxiv.org