Quantile Score

新研究解决了智能建筑负荷预测中的不确定性问题

一篇新的研究论文探讨了智能建筑的概率负荷预测，重点关注如何处理由重建输入特征引起的不确定性。该研究使用三种深度学习骨干网络（包括Temporal Fusion Transformers (TFT)）比较了事后残差分位数方法和集成模型内分位数学习方案。结果表明，不确定性的最佳放置取决于模型架构，对于TFT模型而言，集成式分位数学习被证明是最有效的。