云服务器内容精选

华为云首页用户手册

训练预测大模型

盘古大模型 PanguLargeModels-预测大模型训练流程与选择建议:预测大模型选择建议

预测大模型选择建议选择合适的预测大模型类型有助于提升训练任务的准确程度。您可以根据模型适用场景，选择合适的模型，从而提高模型的整体效果，详见表1。表1 预测大模型的类型模型名称适用场景说明 Pangu-Predict-Table-Cla-2.0.0 该模型属于分类模型，用于预测离散类别，可以应用于各种分类任务。矿山行业：进行智能洗选，例如根据煤炭的特征，将煤炭分类，提高洗选效率，降低能耗。油气行业：进行地质分层，例如基于地质数据，对不同地层进行分类，识别储层和非储层，提高勘探和开发效率。进行岩性识别，例如对不同岩石类型进行分类，帮助识别岩石的性质和特征，指导钻井和开采。进行流体识别，例如根据测井数据，识别储层中的油、气、水等流体类型。 2024年12月发布的版本，支持分析历史数据中的特征与类别的关系，学习出一种映射规则或函数，然后应用这个规则对未来未知的数据点进行分类。 Pangu-Predict-Table-Reg-2.0.0 该模型属于回归模型，用于预测连续性数值，在工业场景中广泛用于工艺参数和性能指标的预测。矿山行业：进行智慧配煤，例如预测焦炭成分质量，优化配煤比例，提高焦炭质量，降低生产成本。进行智能浓缩，例如预测焦炭成分质量，优化配煤比例，提高焦炭质量，降低生产成本。油气行业：进行储层参数预测，例如预测储层的物理参数，如孔隙度、渗透率等，提高油气资源的开发利用效率。进行产能分级预测，例如预测油井的产能等级，优化油气生产计划。电力行业：进行电力负荷预测，例如根据历史负荷数据，预测未来的电力负荷，优化电力生产和调度。钢铁行业：进行钢水温度预测，例如预测钢水温度，提高浇注和连铸的准确性和效率。 2024年12月发布的版本，支持根据已知的输入变量（特征）来预测一个连续型输出变量（目标变量）。 Pangu-Predict-Table-Anom-2.0.0 该模型属于异常检测模型，用于识别数据集中的异常或离群点，常应用于安全、质量控制等领域。矿山行业：进行设备故障检测，例如监控设备运行数据，识别异常行为，防止设备故障。电力行业：进行电网异常检测，例如监控电网运行状态，识别异常情况，防止电网故障。 2024年12月发布的版本，支持识别数据集中不符合预期模式或行为的数据点。 Pangu-Predict-Table-TimSeries-2.0.0 该模型属于时间序列预测模型，用于基于时间序列数据预测未来值。生成计划排期：根据历史生产数据和市场需求，预测未来的生产需求，优化生产计划。 2024年12月发布的版本，支持根据历史时间序列数据来预测未来的值，广泛应用于金融、销售预测、天气预报、能源消耗预测等领域。

盘古大模型 PanguLargeModels 训练预测大模型