场景理解
将调度、运维和容量规划目标转成预测窗口、时间粒度、评价指标与业务约束。
研究地图
应用研究的目标不是把公开数据集上的模型指标直接搬到真实场景，而是把业务机制、外部变量、工程约束和模型能力放在同一个研发闭环中评估。 因此，页面按“场景问题、方法路径、系统支撑”组织，展示课题组如何将时间序列预测方法落到可复用的应用研究流程中。
Forecast → Uncertainty → Decision
从确定性点预测走向不确定性决策
真正面向应用的预测系统，不是只输出一个看似确定的数字，而是呈现未来的多种可能， 再把这些可能转化为可比较、可执行的决策依据。
01 · UNCERTAINTY
未来具有不确定性，不能只给一个答案
未来并非可被唯一数值准确描述的确定状态。噪声、分布漂移与突发事件使确定的点预测很难可靠成立； 因此，模型需要进行不确定性预测，同时回答“最可能发生什么”和“偏离这一结果的风险有多大”。
- 预测区间给出未来可能落入的范围
- 分位数刻画不同风险水平下的边界
- 情景概率比较常态、极端与突发情景
02 · DECISION
预测需要服务并支撑决策
在实际应用中，预测的价值不止是降低误差，而是帮助业务选择行动。 将预测结果与风险偏好、成本函数、资源限制和任务目标结合，才能形成可执行的调度、预警、配置或干预方案。
- 风险与成本权衡误报、漏报与行动代价
- 业务约束纳入容量、时效与资源边界
- 决策行动输出调度、预警或配置方案
FORECAST
TO ACTION
TO ACTION
- STEP 01预测分布未来可能发生什么
- STEP 02风险与成本不同偏差代价多大
- STEP 03业务约束哪些行动现实可行
- STEP 04决策行动选择并执行最优方案
Application Research Loop
从场景问题到系统闭环
应用研究不是一次性建模，而是由问题理解、多源建模、关键判断与经验沉淀共同驱动的连续闭环。
数据与模型
研究者判断
研究记忆
STEP01
场景诊断
先理解问题，再建模
围绕数据粒度、周期结构、外生变量和业务约束，先做任务诊断，再决定建模路线。
周期漂移约束
STEP02
多源建模
把结构与语义同时接入
结合数值序列、气象信息、业务上下文和场景先验，提高模型对真实环境的感知能力。
数值气象语义
STEP03
人机协同
保留关键判断节点
在模型选择、实验切换和结果审阅等关键环节引入研究者判断，避免盲目自动化。
模型选择实验切换结果审阅
STEP04
持续迭代
让研发过程能够复用
把场景经验、策略模板和执行流程固化为长期资产，支持后续任务快速迁移与扩展。
实验结果诊断研究记忆
闭环反馈实验结果进入结果诊断并沉淀为研究记忆，再回到下一轮场景理解与方案设计。
CogCast Research Framework
可预测性认知驱动的自适应情境感知时序研究框架
从“什么可预测、为什么困难”出发，识别真正影响未来的情境及其作用机制， 再根据任务价值自适应调用模型、知识、计算与人工，并校准预测置信度和真实风险。
可预测性认知
困难归因
情境因果推理
自适应智能
决策效用
查看完整研究框架 →
EVIDENCE BEFORE CLAIMS
应用结论必须经过四道证据门
从研究原型走向场景决策，需要同时检查数据切分、比较协议、风险校准与行动价值， 避免把单一误差指标或演示结果直接解释为真实应用能力。
时间切分
按真实预测时点进行滚动回测，训练、调参与特征构造只使用当时可获得的信息，防止未来信息泄漏。
基线对照
在相同数据切分、预测窗口与评价指标下，对照季节朴素、统计模型、机器学习方法和业务规则。
不确定性校准
除 MAE、RMSE 外，同时检查区间覆盖率、区间宽度、分位数损失以及高风险情境下的可靠性。
决策效用
将预测映射到调度、预警和容量配置，报告误报漏报、行动代价、资源收益与计算时延。
证据边界：页面中的交互演示与概念示意用于说明研究流程；演示数据不等同于实验结果，也不构成生产部署承诺。
应用研究场景
将城市、气象与负荷曲线放进同一张分析视图，突出周期结构与调度需求。
面向城市级与区域级用电需求预测
聚焦负荷曲线中的强周期性、节假日扰动、天气影响与突发变化， 支撑调度规划、峰谷平衡与需求侧响应等关键任务。
天气感知
节假日效应
多尺度周期
负荷调度
问题峰谷变化和异常天气会破坏稳定周期，单纯历史外推难以支撑高峰调度。
方法结合日历、气象和多粒度负荷特征，分析短期波动与长期季节结构。
价值服务负荷预案、资源调度和需求响应策略，降低高峰运行风险。
围绕风电与光伏出力波动，连接天气场、功率区间和爬坡事件。
面向光伏与风电出力的波动预测
针对新能源出力的间歇性、爬坡事件与气象耦合问题， 关注多源观测融合、短临波动刻画与不确定性建模。
光伏预测
风电预测
气象耦合
不确定性
问题风速、云量和辐照变化带来强随机性，输出功率存在明显爬坡和短临突变。
方法融合气象观测、出力曲线和不确定性估计，刻画波动区间和异常事件。
价值支撑新能源并网、备用容量配置和短临调度，提升电力系统韧性。
连接降雨输入、流域状态、径流响应与洪峰风险，强调过程约束和预警提前量。
面向洪水预警与水资源调度的流量预测
围绕降雨—径流耦合、前期土壤湿度、流域汇流与极端事件， 研究兼顾洪峰、峰现时间和概率区间的水文时序预测方法。
降雨—径流
洪峰预测
物理约束
风险预警
问题强降雨、流域状态与空间汇流共同决定洪峰，极端事件样本少且过程变化快。
方法融合水雨情、气象预报和流域属性，进行物理约束的点与概率预测。
价值服务洪水预警、水库调度、干旱管理与生态流量保障，提升水系统韧性。
把服务流量、资源池和告警波动关联起来，强调容量规划与弹性伸缩。
面向云资源调度与容量规划的流量预测
围绕流量突发、业务周期变化与资源成本约束， 探索支持弹性伸缩、容量预算和服务稳定性的预测策略。
弹性伸缩
流量突发
容量规划
成本约束
问题业务活动和用户行为会造成非平稳流量，资源过配与欠配都会带来成本或稳定性问题。
方法识别业务周期、突发窗口和资源使用关系，建立面向容量决策的预测视图。
价值辅助弹性伸缩、容量预算和告警前置，减少服务抖动与资源浪费。