热点事件持续更新
迁移学习结合CQR提升光伏预测
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 发布一项研究，提出迁移学习结合 Conformalized Quantile Regression（CQR）框架，用于停电导致数据稀缺下的光伏预测。研究用澳大利亚 Alice Springs 光伏数据预训练时序模型，再适配到模拟的孟加拉国光伏数据。结果显示，仅一个月目标域数据时 RMSE 降低最多 23.7%，三个月时降低 13.7%；三个月数据下达到 94.3% 经验覆盖率，预测区间比不用迁移学习窄 14%。目前该研究以预印本形式发布，后续进展有待观察。
AI 根据报道生成 · 10 小时前更新
最新进展10月3日 12:00
arXiv 发布研究：迁移学习结合 CQR 可提升数据稀缺下的光伏预测精度。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）迁移学习结合 CQR 用于停电导致数据稀缺下的光伏预测
研究提出迁移学习结合 Conformalized Quantile Regression（CQR）框架，用澳大利亚 Alice Springs 光伏数据预训练时序模型，再适配到模拟的孟加拉国光伏数据。仅一个月目标域数据时 RMSE 降低最多 23.7%，三个月时降低 13.7%；三个月数据下达到 94.3% 经验覆盖率，预测区间比不用迁移学习窄 14%。
本事件热度走势
当前热度 5·可比范围峰值 7（10月4日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。