2026.09
风电预报附图和数据官方日前预报，已经和“完美预报上界”持平
还有空间的是“出力潜力 → 实际发电”这一段，也就是弃风。
2024 年官方日前预报的平均绝对误差为 6.24%，我用再分析风场做的“完美预报上界”是 6.38%；官方相对实际发电偏高的部分，主要来自弃风。
原先以为：自己建的模型能打败德州电网（ERCOT）的官方风电预报。
2026.09
风电预报训练数据覆盖的季节，比模型选择更重要
2024 全年测试中，XGBoost、LSTM、Transformer 的误差相差不到 0.2 个百分点；训练期缺秋冬季节时，所有模型的预报系统性偏低 3.2—5.9 个百分点（全年训练时偏差只有 +0.5 到 +1.3）。
原先以为：换更复杂的模型，能把风电出力误差压下去。
证据
模型对比2026.07
临近预报方法优劣只能逐个例实测
层状降水个例里，+1 h 的融合预报反而输给纯外推；由前两个个例归纳出的“按风暴结构预判方法优劣”的规则，在第三个个例上也不成立。
原先以为：融合了数值预报，总会比单纯外推好。
证据
方法对比2026.09
灾害遥感事发后 3 天内的分析跨季节影像不能直接相减
先扣除全场季节漂移、加谷底掩膜，再谈受灾面积。
一次高山冰岩崩个例中，跨季节影像直接相减，会把受灾面积高估约 20 倍。
原先以为：灾前、灾后影像一相减，就能圈出受灾范围。
证据
—2026
沙尘气候看长序列趋势，先查传感器断点
11 个子区在 2004/05 年同步出现阶跃，正是 TOMS→OMI 传感器切换的时间；只看 OMI 时段（2005—2024），没有一个子区显著下降。
原先以为：东亚气溶胶指数 2000—2024 年在持续下降。
证据
—2026.09
Kaggle本地证据强、公榜只差千分之几时，给它留一个最终提交名额
那场比赛的公榜只占测试数据不到三成。被公榜判负而放弃的两项改动，到了私榜恰好是收益最大的两项。
原先以为：公榜分数能判断一个改动值不值得留。
证据
—