arXiv cs.AI· Haoran Li, Zhe Cheng, Yang Weng·· 14 小时前AI 评分13
从共享需求模式到局部不确定性：用紧凑适配混合实现概率负荷预测
From Shared Demand Patterns to Local Uncertainty: Probabilistic Load Forecasting by Mixing Compact Adaptations
AI 导读
研究者提出一种可扩展的客户感知概率负荷预测框架，通过共享模型学习共性需求行为，仅适配一小组低维参数，让每个负荷按自身特征组合这些适配组件。在 SMART-DS 数据集 590 条负荷曲线上，该方法在确定性精度和概率质量上均优于统计、神经网络、Transformer 及预训练时间序列基线，同时保持较低的存储与推理成本。
来源：arXiv cs.AI · arxiv.org