arXiv · cs.AI· Robbie Southam·· 17 小时前AI 评分7
GradientSHAP 用于多步多变量时间序列可解释性：风电功率案例研究
Multistep and Multivariate Time Series Explainability with GradientSHAP: A Wind Power Case Study
来源与原文
arXiv · cs.AI
作者：Robbie Southam
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/2610.40330v1
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
一项新研究首次将 GradientSHAP 应用于风电功率预测的可解释性，针对多变量、多步预测这一此前少有探索的领域，开发了兼顾局部与全局解释的可视化方法，揭示环境因素、场站条件与时间动态之间的关系。研究指出 GradientSHAP 并非开箱即用的方案，需结合 SHAP 值的细致处理与领域知识才能为日前电网管理提供可信洞见，其复杂性仍是实际部署的挑战。
来源：arXiv · cs.AI · arxiv.org