arXiv 机器学习· Yaxuan Wu, Ali Mohammed Mansoor Alsahag, Seyed Sahand Mohammadi Ziabari·· 10 小时前AI 评分27
地下水水位异常预测中的选择性迁移学习：精度与风险的权衡
Selective Transfer Learning for Groundwater Level Anomaly Forecasting: Accuracy-Risk Trade-offs
AI 导读
研究提出上下文感知选择性学习（CASL），用于缓解荷兰多井地下水异常预测中源域迁移对异质水井造成的负迁移风险。在涵盖 457 口水井的评估中，CASL 的 RMSE 比无迁移降低 0.424-1.084%，部分挽救了 97.53-99.50% 因固定迁移受损的水井。该方法与 Global Convex Blend 各具优势，体现了固定划分下的精度与风险权衡。
来源：arXiv 机器学习 · arxiv.org