通过对比课程学习实现建筑能耗预测的时间序列基础模型
机器学习
2024-12-24 v1 人工智能
摘要
时间序列预测的进展正在推动从传统机器学习模型向使用通用知识训练的基础模型（FM）的转变。然而，现有的FM在能源领域（如建筑能耗预测（BEF））仍然表现不佳。本文研究了FM对BEF任务的适应。我们从FM和数据两个角度展示了直接微调FM的缺点。为了克服这些局限性，我们提出了一种新的基于对比课程学习的训练方法。我们的方法在TSFM适应的背景下优化了训练数据的排序。实验表明，与现有的FM相比，我们的方法可以将零/少样本性能提高14.6%。我们的代码和新的TSFM将在<匿名Github仓库>提供。
引用
@article{arxiv.2412.17285,
title = {Enabling Time-series Foundation Model for Building Energy Forecasting via Contrastive Curriculum Learning},
author = {Rui Liang and Yang Deng and Donghua Xie and Fang He and Dan Wang},
journal= {arXiv preprint arXiv:2412.17285},
year = {2024}
}