基准评测显示TimesFM在大学建筑日前电力预测中略优
热点事件持续更新
基准评测显示TimesFM在大学建筑日前电力预测中略优
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Amey Vasulkar 等在 arXiv 论文（arXiv:2610.12638）中对某大学建筑的日前电力预测任务做了基准评测，比较统计方法、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 个测试天上用按时间顺序的验证评估。结果显示，TimesFM 3.0 加入天气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 则无需本地训练权重。 论文同时指出，逐日配对比较并未确立 TimesFM 在平均绝对误差上的明确优势。天气协变量使用的是回溯观测，这一条件与实际部署时的可得性可能存在差异。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AI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
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。