跳到正文
arXiv · ML· Amey Vasulkar, Samuel Kernan Freire, Arie-Willem de Leeuw, Tadeo-Baldiri Salcedo-Rahola·· 2026-10-12AI 评分23

大学建筑日前电力预测中机器学习与时序基础模型基准测试

Machine Learning and Time-Series Foundation Models for Day-Ahead Electricity Forecasting in a University Building

AI 导读

研究基准测试了TimesFM 3.0等模型在57天数据上的表现,TimesFM结合协变量时MAE较基准降低约43%。 XGBoost虽具备本地快速拟合优势,但未证实对TimesFM有明显MAE优势,且LSTM训练耗时较长。 TimesFM无需特定建筑权重训练,适合作为日前电力预测的初始基线。

来源:arXiv · ML · arxiv.org