超算与智算融合,中科院团队构建光伏多时间尺度功率预测模型

对于分布式光伏电站的全时间尺度预测模型，主要问题在于其规模小、分布广，缺乏精确的现场气象观测数据。当前的预测模型未充分考虑多源数据的时空融合，导致精度不足。为此，我们分别提出了针对超短期、短期和中期的分布式光伏电站功率预测模型。我们还提出了多层图注意力机制，批量自动提取海量分布式光伏与周边集中式光伏电站...

港中文与悉尼大学团队联合提出大语言模型的时间序列预测方法

针对这些局限，该研究首次提出了一种将新闻等补充文本信息嵌入时间序列数据的统一方法，利用大语言模型（LLM）和智能体（Agent）实现时间序列预测。该方法已经在多个与人类活动和市场行为密切相关的领域得到了应用，包括电力市场、比特币、外汇和交通等，显示出其作为解决与社会事件相关的时间序列预测问题的通用方法的潜力。

...大学团队联合提出基于新闻事件驱动和大语言模型的时间序列预测...

由香港中文大学(深圳)赵俊华教授课题组与悉尼大学邱靖教授课题组联合提出的基于新闻事件驱动和大语言模型的时间序列预测方法——《FromNewstoForecast:IterativeEventReasoninginLLM-BasedTimeSeriesForecasting》,近期被AI领域顶会NeurIPS接收。该方法通过大语言模型对时间序列数据和新闻文本的推理,显著提...

11种经典时间序列预测方法:理论、Python实现与应用

模型验证:使用交叉验证或滚动预测评估模型性能定期重估:在新数据可用时更新模型参数ARIMA模型是时间序列分析中最常用和最强大的工具之一。它的灵活性使其能够适应各种不同类型的时间序列数据,但同时也要求分析者具有丰富的经验和专业知识来正确指定和解释模型。在实际应用中,通常需要结合领域知识、统计诊断和试验来选择...

FredNormer: 非平稳时间序列预测的频域正则化方法

FredNormer:非平稳时间序列预测的频域正则化方法时间序列预测是一个具有挑战性的任务,尤其是在处理非平稳数据时。现有的基于正则化的方法虽然在解决分布偏移问题上取得了一定成功但仍存在局限性。这些方法主要在时间域进行操作,可能无法充分捕捉在频域中更明显的动态模式,从而导致次优的结果。

港中文与悉尼大学携手推出创新时间序列预测大语言模型

新型时间序列预测方法出炉！近期，香港中文大学（深圳）赵俊华教授与悉尼大学邱靖教授的研究团队联合开发出一种创新的时间序列预测方法，名为《从新闻出发：大语言模型驱动的迭代事件推理》(www.e993.com)2024年11月8日。这一成果已成功发表于国际知名AI大会NeurIPS上，备受关注。该方法利用大语言模型提炼时间序列数据和新闻文本之间的联系，极大提升了在...

TimeMOE: 使用稀疏模型实现更大更好的时间序列预测

通过利用稀疏混合专家(MOE)设计,在提高模型能力的同时降低计算成本。探索时间序列领域的缩放定律,验证增加模型规模和训练数据量是否能持续改善性能。创建一个大规模、高质量的时间序列数据集(Time-300B),用于预训练更强大的预测模型。在零样本和微调场景下评估模型的通用预测能力。

做期货会用到什么数学题?数学模型在期货交易中的应用如何提升了解...

2.线性回归模型线性回归模型是预测期货价格走势的常用工具。通过分析价格与影响因素(如供需关系、宏观经济指标等)之间的线性关系,交易者可以构建预测模型。线性回归模型的优势在于其简单性和直观性,能够快速识别出主要的影响因素,并据此进行交易决策。3.时间序列分析...

时序=图像?无需微调,视觉MAE跨界比肩最强时序预测大模型

他们提出的VisionTS时序预测框架，基于何恺明的代表作——MAE模型。VisionTS仅从自然图像（ImageNet）中预训练而无需时间序列微调，即可直接跨界比肩（甚至超越）一众强大的时序预测基础模型，如Moirai和TimesFM等，而这些基础模型均使用了大量时间序列数据预训练。这篇论文证明了：计算机视觉和时间序列这两个...

研究员提出基于transformer算法的多模态时间序列传感器数据的晕动...

在一项研究中,韩国汉阳大学团队提出了基于transformer算法的多模态时间序列传感器数据(即眼动、头部运动和生理信号)的晕动症预测模型,并考虑了传感器数据预处理和多模态数据融合方法。团队构建了MSCVR数据集,包括标准化的传感器数据、光谱图格式的传感器数据和通过用户研究收集的45名参与者的晕动症水平。他们提出了两种将...