负荷预测误差降三成
针对电力负荷预测中多变量耦合与多尺度特征提取难题，构建了一种结合特征重要性评估和多通道卷积结构的融合模型，实现了对复杂时空特征的有效提取与协同预测。
Yan, Qiao · Wenpeng, Cao · Yan, Yi · 李成栋 · Tian, Chongyi · Wen, Kong
Energy and AI 2025
与多种最先进预测模型相比，MAE、RMSE、MAPE最高分别下降28.30%、24.14%、30.35%，预测精度显著提升。
通过综合特征重要性评估方法，有效捕捉多变量之间的重要性与相关性耦合关系，实现多因素协同预测。
采用多通道卷积神经网络驱动的多尺度融合模型，对多维特征进行跨尺度加权提取与融合，充分挖掘复杂时空特性。