Najmieh Sadat Safarabadi

新的WGAN模型通过异常检测增强电压时间序列预测能力

研究人员开发了一种用于电压时间序列的新型预测模型，该模型集成了异常检测功能。该模型基于具有自适应核的Wasserstein GAN (WGAN-CLP)，旨在处理高维数据并改进长期动态建模。WGAN-CLP框架能够动态地将其核适应新的数据窗口，从而增强其预测未来值和重建时间序列流的能力。实验结果表明，该方法在电压和能源时间序列预测的准确性和鲁棒性方面均优于基准方法。