限电数据稀缺下光伏预测的迁移学习与共形分位回归
原文标题：Transfer Learning with Conformalized Quantile Regression for Solar PV Forecasting Under Load-Shedding-Driven Data Scarcity
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出结合迁移学习与共形分位回归（CQR）的框架，改善限电导致历史观测稀缺地区的光伏功率预测与不确定性估计。以澳大利亚 Alice Springs 数据预训练时序模型并迁移至模拟孟加拉数据，仅一个月目标数据时 RMSE 降低最多 23.7%。迁移学习加 CQR 在三个月数据下达到 94.3% 经验覆盖率，预测区间比无迁移学习窄 14%。
- 问题
- 限电地区历史观测稀缺，光伏功率预测与不确定性估计困难。
- 方法
- 用澳大利亚Alice Springs数据预训练时序模型并迁移至模拟孟加拉数据，结合共形分位回归给出预测区间。
- 结果
- 一个月目标数据RMSE降低最多23.7%，三个月数据下94.3%覆盖率且区间窄14%
- 影响
- 为数据稀缺地区的光伏预测提供可落地的迁移加共形不确定性方案。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。