lane4dev
-
PostGIS Raster 性能评测：In-DB vs Out-DB、单通道 vs 多通道战
这是一份围绕 PostGIS Raster 栅格分析性能 的小型实测报告，重点比较了： In-DB 栅格 vs Out-DB 栅格 单通道栅格 vs 多通道栅格 点取值 vs 面分区统计（单个要素与 1000 个要素） 先说结论： Out-DB 并没有慢到“不能用”，尤其在大面分区统... Read More
-
如何高效阅读专业论文
这段时间因为工作需要，我在比较短的时间内读了不少跟 机器学习时间序列分析 相关的论文。 刚开始的体验很统一：痛苦 + 焦虑 + 怀疑人生。 后来我一边在互联网搜寻别人的经验，一边摸索适合自己的方法，慢慢总结出一套“既不那么累，又能稳步进步”的阅读流程。 这篇文章就是把这套流程沉淀下... Read More
-
使用 Darts + DeepAR 进行风电功率时间序列预测实战
这篇文章演示如何使用 Darts 库，结合 DeepAR 思路（基于 RNN 的概率预测模型），对风电场的发电功率做短期预测。 示例数据来自 Bangaluru Wind Generation 2017–2021，包含 2017–2021 年的逐时发电功率记录。 我们的目标可以总结为一句话： 利用过去一段时间的功率变化和时间特征（年、月、日），... Read More
-
使用 Darts 对风电功率进行时间序列预测：从 Transformer 到 TFT
本文通过一个真实的风电功率数据集，演示如何使用 Darts 这个时间序列库完成从数据准备、建模到可视化预测区间的完整流程。 我们会依次用到两个模型： 基于 Transformer 的序列到序列模型 更强大的 Temporal Fusion Transformer (TFT)，带协变量与分位数预测 数据集为： Ba... Read More
-
功率时序分析模型对比
风电场的功率输出本身就是一条“情绪多变”的时间序列：它跟天气、机组状态、电网友好程度都有关系。 对于电网调度和电站运营来说，提前 1–2 天尽量看清这条曲线的走向，意味着可以更从容地安排备用容量、检修计划以及与电网侧的协商空间，少一点弃风和临时救火。 在这个前提下，我们选用了 Bangaluru... Read More
-
时间序列模型的准确性评价
做时间序列预测，建模只是上半场，下半场是： 这个模型到底靠不靠谱？预测得准不准？ 要回答这个问题，离不开一套清晰的“准确性评价指标”。下面结合几个最常用的误差指标，一步步把它们讲清楚：它们怎么算、代表什么、各自适合什么场景。 预测误差（Forecast Error） 预测误差最原始的出发点是关于这一件事：预测值和真实值... Read More
-
机器学习中的特征工程
做机器学习时，我们经常会听到一句话： 模型的选择决定性能上限，特征的选择决定性能下限。 模型再强，如果喂进去的是“模糊、失真”的数据，结果很难好到哪里去。特征工程要做的事情，就是把原始数据，变成对当前问题更“像样”的描述，让模型看得懂、抓得住重点。 这篇文档想回答的是一个朴... Read More
-
Nginx 配置备忘录
下面这篇就当是给自己看的 Nginx 配置小抄，以后要拷贝改改就能用。 全局与基础设置 user www www; # 运行用户 worker_processes 5; # worker 数量 error_log logs/error.log; pid logs/nginx.... Read More