arXiv · cs.AI· Amey Vasulkar, Samuel Kernan Freire, Arie-Willem de Leeuw, Tadeo-Baldiri Salcedo-Rahola·· 5 小时前
机器学习与时序基础模型用于大学建筑日前电力预测的基准评测
Machine Learning and Time-Series Foundation Models for Day-Ahead Electricity Forecasting in a University Building
arXiv:2610.12638v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Amey Vasulkar, Samuel Kernan Freire, Arie-Willem de Leeuw, Tadeo-Baldiri Salcedo-Rahola
研究任务与主要进展
一项针对大学建筑的日前电力预测基准比较了统计方法、机器学习、循环神经网络与预训练 TimesFM 模型，所有配置在同一 57 个测试天上评估。TimesFM 3.0 加入协变量后整体误差最低，平均绝对误差相对每周季节朴素基线降低约 43%，XGBoost 仍具竞争力且拟合推理快，TimesFM 无需本地训练权重。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org