缺数据也不失准
用掩码建模补全缺失数据，再以典型模式表示缓解非线性与非平稳，短时预报更准，长时能力仍强。
Hanjin, Zhang · Bin, Li · Shun-Feng, Su · 杨万扣 · 谢利萍
IEEE Transactions on Industrial Informatics 2024
掩码建模直接学习缺失值的上下文，补全结果与下游预报任务对齐，避免两阶段误差累积。
通过序列分解提取典型模式，将复杂信号解耦，降低非线性和非平稳的影响，提升预报鲁棒性。
在提升短时预报精度的同时保持长时预报能力，满足不同时间尺度的应用需求。