Naukowcy z arXiv CS.LG przyjrzeli się jak dobrze działają nowoczesne modele fundamentalne szeregów czasowych przy prognozowaniu cen energii elektrycznej - zadaniu, które stanowi poważne wyzwanie ze względu na złożone zależności czasowe, zmiany rozkładów danych i silną potrzebę informacji strukturalnych.
W swoim badaniu zaproponowali nową metodę benchmarkingu wykorzystującą dwa niezależne zbiory danych, co pozwala na rzetelną ocenę modeli bez ryzyka przeciekania informacji między treningiem a testowaniem. Wyniki pokazały, że modele fundamentalne radząc sobie lepiej niż ogólne metody bazowe, ale ich sukces silnie zależy od dostępności dodatkowych zmiennych towarzyszących takich jak warunki pogodowe czy zapotrzebowanie.
Najciekawszym odkryciem jest to, że połączenie modeli fundamentalnych z metodami specjalistycznymi w proste ensembl'e daje obiecujące wyniki. Sugeruje to, że każde podejście wychwytuje inne aspekty problemu - modele fundamentalne mogą być lepsze w uchwytywaniu ogólnych wzorców czasowych, podczas gdy metody specjalistyczne lepiej radzą sobie z nieregularnościami specifycznymi dla rynku energii, takimi jak nagłe skoki cen.