误差平均降7.56%
基于预训练大语言模型的两阶段跨模态对齐微调模型，专为天然气网络能耗预测设计，通过文本与时间序列对齐及独立微调提升精度。
Wang, Chen · 周登极 · 邵铁民 · Xiaoguo, Wang · Song, Liu · Bo, Wang · Huang, Dawen
Neurocomputing 2026
在所有七条管道上，单步预测MAPE相较次优模型平均降低7.56%，多步预测同样全面占优。
消融实验显示，完整的两阶段微调模型预测性能最佳，文本-时间序列对齐与后续时域微调缺一不可。
第一阶段实现文本到时间序列的跨模态对齐，让预训练语言模型的知识迁移到能耗预测任务。