arXiv cs.AI· Amey Vasulkar, Samuel Kernan Freire, Arie-Willem de Leeuw, Tadeo-Baldiri Salcedo-Rahola·· 6 小时前AI 评分20
TimesFM 3.0 与机器学习模型在大学建筑日前电力预测中的基准测试
Machine Learning and Time-Series Foundation Models for Day-Ahead Electricity Forecasting in a University Building
AI 导读
研究对统计模型、机器学习、循环神经网络和预训练 TimesFM 在大学建筑日前电力预测上进行基准测试，TimesFM 3.0 结合协变量取得最低整体误差，平均绝对误差较周季节朴素预测降低约 43%。XGBoost 仍具竞争力，但配对日比较未确立 TimesFM 的平均绝对误差优势；TimesFM 无需建筑专属权重训练，XGBoost 则本地拟合与推理更快。
来源：arXiv cs.AI · arxiv.org