48、物理信息机器学习：从非线性算子学习到偏微分方程粗粒化建模

物理信息机器学习：从非线性算子学习到偏微分方程粗粒化建模

1. 能源消耗长期预测算法对比

在能源消耗的长期预测中，不同算法有着不同的表现。以下是各种算法在相对累积误差方面的性能对比，以及它们对每日（D）、每周（W）、每年（Y）模式的提取情况。
| 算法 | 预测范围（25%） | 预测范围（50%） | 预测范围（75%） | 预测范围（100%） | 每日模式（D） | 每周模式（W） | 每年模式（Y） |
| — | — | — | — | — | — | — | — |
| Koopman 预测 | 0.19 | 0.21 | 0.19 | 0.19 | ✓ | ✓ | ✓ |
| Fourier 预测 | 0.31 | 0.39 | 0.33 | 0.30 | ✓ | ✓ | ✓ |
| LSTM | 0.37 | 0.4 | 0.42 | 0.45 | ✓ | ✗ | ✗ |
| GRU | 0.53 | 0.55 | 0.52 | 0.50 | ✓ | ✗ | ✗ |
| 回声状态网络 | 0.67 | 0.73 | 0.76 | 0.73 | ✓ | ✗ | ✗ |
| AR(1, 12, 24, 168, 4380, 8760) | 0.75 | 0.95 | 1.07 | 1.13 | ✓ | ✓ | ✓ |
| CW - RNN (数据时钟) | 1.10 | 1.14 | 1.14 | 1.15 | (✓) | ✗ | ✗ |
| CW - RNN | 1.05 | 1.08 | 1.08 | 1.09 | (✓) | ✗ | ✗ |
| AutoARIMA | 0.83 | 1.11