arXiv 机器学习· Amey Vasulkar, Samuel Kernan Freire, Arie-Willem de Leeuw, Tadeo-Baldiri Salcedo-Rahola·· 6 小时前AI 评分31
面向大学建筑日前电力预测的机器学习与时间序列基础模型评估
Machine Learning and Time-Series Foundation Models for Day-Ahead Electricity Forecasting in a University Building
AI 导读
针对大学建筑日前电力预测的研究显示，预训练模型 TimesFM 3.0 结合协变量实现了最低整体误差，较每周季节性朴素基准降低约 43% 的平均绝对误差。TimesFM 3.0 无需特定建筑权重训练，引入协变量能进一步改善节假日预测。同时，XGBoost 在本地拟合与推理中表现出强竞争力，而 LSTM 训练耗时较长且未展现出优势。
来源：arXiv 机器学习 · arxiv.org