热点事件持续更新
研究提出地下水异常预测选择性迁移学习方法CASL
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年10月30日，相关研究提出上下文感知选择性学习（CASL），旨在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的表现优于无迁移策略，其均方根误差（RMSE）降低了0.424%至1.084%，同时部分挽救了97.53%至99.50%因固定迁移受损的水井。该研究指出，CASL与Global Convex Blend方法各具优势，体现了在固定划分下预测精度与迁移风险之间的权衡。
AI 根据报道生成 · 6 小时前更新
最新进展10月30日 12:00
研究提出CASL方法，在457口水井评估中有效缓解地下水预测的负迁移风险。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 机器学习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
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。
本事件热度走势
当前热度 8·可比范围峰值 9（10月30日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。