Skip to content
Hot storiesContinuously updated

研究团队提出太阳辐照度预测与降尺度模型RATSIFT

1 reports1 reporting sourcesUpdated 14 hours ago

Start here

AI overview

2026年11月4日，研究人员在 arXiv 发布论文，提出基于 Transformer 的新型架构 RATSIFT。该模型可接收任意分辨率的输入数据，能够同时实现太阳辐照度预测与时间降尺度，并采用遗传算法优化超参数。在基于达拉斯实际数据的测试中，RATSIFT 针对 15、30、60 分钟及不规则间隔输入生成 5 分钟分辨率预测时，均方根误差（RMSE）分别达到 28.785、29.544、30.157 和 32.132 W/m²。此外，该模型还能提供可靠的不确定性估计。

AI-generated from reports · Updated 13 hours ago

Latest developmentsNov 4 13:00
研究团队提出基于 Transformer 的 RATSIFT 模型，可实现太阳辐照度预测与时间降尺度。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. arXiv 机器学习
    RATSIFT：用于太阳辐照度预测与时间降尺度的分辨率自适应 Transformer

    研究人员提出基于 Transformer 的架构 RATSIFT，可接收任意分辨率输入，同时实现太阳辐照度预测与时间降尺度。该模型采用遗传算法优化超参数，在达拉斯实际数据测试中，对 15、30、60 分钟及不规则间隔输入生成 5 分钟分辨率预测时的 RMSE 分别为 28.785、29.544、30.157 和 32.132 W/m²。此外，该模型还能输出可靠的不确定性估计。

Story heat trend

Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov5

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.