11:05
官方账号arXiv cs.LG@Dandan Chen, Yan Zhao, Xuepeng Chen
推荐理由：这篇论文用具体模型和实验告诉你，哪些深度模型在光伏功率预测里更扛NWP天气误差，不是空谈。
GRU
共 1 条相关 AI 资讯
7月15日
11:05
该论文提出一个基于仿真的物理约束鲁棒性评估框架，使用虚拟光伏功率作为受控响应变量，研究NWP预测误差对模型的影响。评估了PatchTST、GRU、N-HITS、LightGBM等六种模型在动态NWP扰动下的表现。结果表明，在中等至高等干扰下，序列模型（如PatchTST、GRU）比LightGBM基线具有更强的噪声滤波和时间鲁棒性。SHAP和IG分析显示，模型在输入扰动时会将预测依据从未来预报转向历史观测和物理先验。Pareto分析综合了纯净精度、鲁棒性和计算延迟，为工程选型提供了参考。