阿里达摩院提出了定时预测的新模型准确预测电网负荷量子比特，
- 时间:
- 浏览:0
给出一段时间的历史数据，AI能否准确预测天气变化、电网负荷需求和交通拥堵情况。这是时机预测的问题。阿里巴巴达摩院最近提出了一种长时间预测的新模型FEDformer，其准确度比行业最优法提高14.8%以上，模型已应用于电网负荷预测。相关论文收录在机器学习峰会ICML2022上。
ICML是机器学习领域的顶级学术会议，2022年度会议将于本周日（7月17日）开幕。达摩院决策智能实验室的论文《FEDformer：Frequency Enhanced Decomposed Transfor Long-term Series Forecasting》关注机器学习领域的经典问题：时序预测。
时间序列预测（Time Series Forecasting）通常理解使用历史数据预测未来信息。预测有短期、中期和长期预测，需要预测的时间窗口越长，预测难度越大。该技术广泛应用于气象、电力、零售、交通等多个行业。
传统的时序预测模型一般采用LSTM、CNN等方法，精度和使用场景有限，不能处理大规模数据。近年来，研究人员开始将transformer模型引入长时预测，但效果还不理想，简单地说，该模型核心中的注意力机制模块对时序数据不太敏感。
提出的长定时预测模型FEDformer、融合transformer和经典信号处理方法。例如，利用变换将时域信息分解为频域信息，使transformer更好地学习长定时的依赖关系。FEDformer还可以消除干扰，更具鲁棒性。其中专门设计周期趋势项分解模块，通过多次分解降低输入输出波动，进一步提高预测精度。
实验表明，达摩院新模型在电力、交通、气象等6个标准数据集上均获得最佳记录，预测精度比以往行业最佳模型分别提高14.8%（多变量）和22.6%（单变量）值得一提的是，该模型已走出实验室，在区域电网完成概念验证，明显提高了电网负荷的预测精度。
FEDformer模型在六个数据集中获得最佳记录
据了解，达摩院决策智能实验室旨在运用数学建模解决现实世界中的复杂问题，其重点研究方向包括时间序列预测，今年刚刚达到ICASSP#8217。22AIOps Challenge获得冠军。根据自我研究的时序预测，优化求解器MindOpt、安全强化学习等基础技术，达摩院构建的绿色能源AI逐步落地全国多家电网和发电企业，促进绿色能源的消纳和电网的安全运行。