AI电表数据接入流水线报告：修正过度清洗

Yixuan Liang 发布技术报告，提出一套在模型训练前检测并修复电表数据缺陷的数据接入流水线，只使用预测时可得的信息，并在 Building Data Genome 2 的 12 栋美国建筑小时级电力数据上做受控实验，检验其能否保护 24 小时前瞻预测。 报告称，在按已发表实地研究校准的缺陷比例（占训练行 1.6%）下，未受保护的预测器误差达到季节性朴素规则的 4.4 倍，而经修复的预测器重新与干净基线持平。报告同时保留了一个负面结果：流水线第一版对自然数据清洗过度，使预测变差 25%；报告称已追溯原因，并以带日期的修订记录按建筑校准的修正方案。 报告称所有数字均可从固定公开输入复现，附 SHA-256 校验、84 项自动化测试与持续集成。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。