协变量不确定性下负荷预测基准评测

1. 12:00
   arXiv · Machine Learning Theory

   协变量不确定性下负荷预测时间序列基础模型基准评测

   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。

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.