预测误差趋势分析（MAE/RMSE/MAPE）
核心评估指标
平均绝对误差（MAE）
6.72 kW
均方根误差（RMSE）
18.0 kW
偏差方向
—
决定系数（R²）
0.8902
平均绝对百分比误差（MAPE）
46.04%
模型收敛性
9/10 epoch
关键指标明细
指标 数值 说明 偏差率 状态
MAE6.72平均绝对偏差—良好
RMSE18.0整体波动强度—中等
R²0.8902拟合优度+89.0%优秀
MAPE46.04%相对误差水平-46.0% ↓待优化
训练轮次9/10早停触发-10% ↓稳定
优化建议
数据总结
该模型在拟合能力上表现优秀（R²=0.8902），但MAPE高达46.04%，表明在低功率时段或边界场景下相对误差显著。MAE（6.72）与RMSE（18.0）差距较大，暗示存在少量高偏差异常点；模型在第9轮早停，验证损失（0.00722）略高于训练损失（0.00253），存在轻微过拟合倾向。
优化建议
  • · 针对MAPE偏高问题，建议引入分位数损失或加权MAE，提升低功率区间的预测鲁棒性。
  • · RMSE明显高于MAE，提示存在离群误差，建议检查数据清洗流程并增加异常检测模块。
  • · 验证损失高于训练损失，可尝试降低dropout率（当前0.1）或增加L2正则强度以缓解过拟合。
  • · 当前pred_len=seq_len=96（即96步滚动预测），建议开展消融实验验证不同预测长度下的误差分布特性。