热点聚焦！寒潮、降水指数衍生品来了！“中央气象台-大商所温度指数”应用场景进一步拓展

寒潮、降水指数衍生品来了！“中央气象台-大商所温度指数”应用场景进一步拓展

北京，2024年6月17日 - 由中国气象局和中国大连商品交易所联合编制的“中央气象台-大商所温度指数”近日又有新突破，寒潮、降水指数衍生品正式推出，标志着该指数应用场景进一步拓展，将更好服务能源、农业、保险等相关产业。

“中央气象台-大商所温度指数”于2021年3月正式上线，包括日平均温度指数（DAT指数）、月度累积平均温度指数（CAT指数）和月度制热（HDD）/制冷指数（CDD），旨在反映我国主要城市温度变化情况，为相关温度敏感行业提供直观、全面的信息。

此次推出的寒潮、降水指数衍生品，分别基于日平均气温低于历史同期一定标准偏差的天数和降水量高于历史同期一定标准偏差的天数编制，可用于量化极端寒潮、降水事件发生的概率和强度，为相关产业风险管理提供新工具。

以下为“中央气象台-大商所温度指数”应用场景的具体拓展示例：

• **能源行业：**电力企业可根据温度指数的变化，提前调整发电量和电网负荷，优化机组运行策略，降低燃料成本和电力供应风险。
• **农业行业：**农户可根据温度指数的变化，指导农事活动安排，比如选择适宜的播种、育苗、施肥、灌溉等时机，提高农产品产量和品质。
• **保险行业：**保险公司可根据温度指数的变化，开发新的保险产品和服务，比如针对寒潮、降水等气象灾害推出的指数保险产品，为相关产业提供风险保障。

“中央气象台-大商所温度指数”的应用场景拓展，是气象服务与金融服务融合创新的重要成果，将为相关产业发展提供强有力的支撑，助力乡村振兴和绿色发展。

**来源：**中央气象台、中国大连商品交易所

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。