arXiv · cs.AI· Mohammad Talaei·· 4 天前AI 评分23
用 TimesFM 时间序列基础模型零样本预测土壤水分与温度
Zero-Shot Forecasting of In-Situ Soil Moisture and Temperature with a Time-Series Foundation Model
来源与原文
arXiv · cs.AI
作者：Mohammad Talaei
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.30971v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者在半干旱恢复区 27 个传感器站上，零样本评估了 500M 参数的 TimesFM 1 时间序列基础模型，预测 5 cm 与 30 cm 土壤水分及围栏温度，提前期 1 h 至 168 h。结果显示，TimesFM 在日内提前期上比 persistence、seasonal-naive、7-day climatology 等规则基线好 21-76%，超过一天后反而差 6-79%；带完整历史和天气协变量的 CatBoost 基线整体未获胜，部分归因于短期部署的冷启动效应。研究还量化了在普通 CPU 硬件上零样本预测的推理成本。
来源：arXiv · cs.AI · arxiv.org