arXiv cs.AI· Julien Guit\'e-Vinet, Alexandre Blondin Mass\'e, \'Eric Beaudry·· 10 小时前AI 评分22
一种轻量级多视图短期负荷预测方法
A Lightweight Multi-View Approach to Short-Term Load Forecasting
AI 导读
研究者提出一种轻量级多视图短期负荷预测方法，利用单值嵌入和缩放时间范围输入高效捕捉时间相关特征，并引入嵌入向量 dropout 机制防止模型过度依赖特定特征、提升可解释性。该方法以显著更少的参数取得有竞争力的性能，在多个数据集（含噪声或稀疏数据场景）上表现稳健，并能揭示各特征对预测的贡献。
正文 · AI 翻译
摘要：时间序列预测是能源、金融和气象等领域的一项关键任务，准确的预测有助于做出明智的决策。尽管基于 Transformer 的模型和大参数模型最近取得了最先进的结果，但它们的复杂性可能导致过拟合和不稳定的预测，尤其是当较旧的数据点变得不那么相关时。在本文中，我们提出了一种轻量级的多视图方法用于短期负荷预测，该方法利用单值嵌入和缩放的时间范围输入来高效地捕捉时间相关特征。我们引入了一种嵌入丢弃机制，以防止对特定特征的过度依赖并增强可解释性。我们的方法以显著更少的参数实现了有竞争力的性能，在包括噪声或稀疏数据场景在内的多个数据集上展现出鲁棒性，并提供了关于各个特征对预测贡献的见解。
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| 引用为： | arXiv:2602.09220 [cs.LG] |
| （或 arXiv:2602.09220v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.09220 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Julien Guité-Vinet [查看电子邮件]
[v1]
2026年2月9日星期一 21:43:42 UTC（1,804 KB）
[v2]
2026年11月3日星期二 23:30:20 UTC（5,501 KB）
来源：arXiv cs.AI · arxiv.org