研究提出地下水水位异常预测的选择性迁移学习方法 CASL

Yaxuan Wu 等发布研究，针对荷兰多井地下水水位异常预测提出上下文感知选择性迁移学习方法 CASL：用冻结的无迁移模型与固定迁移模型两个母模型的凸组合，按情境选择性迁移，以降低固定迁移带来的风险。 基于 457 口井、13,718 个测试窗口、五个预设随机种子的评估显示，固定迁移会损害 18.38%–51.86% 的井；CASL 的 RMSE 比无迁移（No TL）低 0.424%–1.084%，可部分挽回 97.53%–99.50% 的受损井。 该任务要求九个连续观测的月度输入，目标为精确的三个日历月、不做插值。研究者称，结果支持的是在固定数据划分上的精度—风险权衡，尚未验证滚动部署的有效性。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。