短期负荷预测的轻量级多视角方法
机器学习
2026-02-11 v1 人工智能
摘要
时间序列预测是能源、金融和气象等多个领域的关键任务，准确的预测能够实现明智的决策。虽然基于 transformer 的模型和大参数模型最近取得了最先进的成果，但其复杂性可能导致过拟合和预测不稳定，尤其是当较旧的数据点变得不那么相关时。在本文中，我们提出了一种用于短期负荷预测的轻量级多视角方法，利用单值嵌入和按比例时间范围输入来高效捕获时序相关特征。我们引入一种嵌入 dropout 机制，以防止对特定特征过度依赖并提高可解释性。我们的方法在多个数据集上实现了具竞争力的性能，显示出对噪声或稀疏数据的鲁棒性，并提供了关于单个特征对预测贡献的见解。
关键词
引用
@article{arxiv.2602.09220,
title = {A Lightweight Multi-View Approach to Short-Term Load Forecasting},
author = {Julien Guité-Vinet and Alexandre Blondin Massé and Éric Beaudry},
journal= {arXiv preprint arXiv:2602.09220},
year = {2026}
}