相信很多科研人听到Nature相关的东西都会觉得很遥不可及，Nature子刊亦是如此，很多人都会觉得我怎么可能发这个，但是读过之后也会发现并不是那么遥不可及的。首先Nature子刊的发文难度相差很大，有的很难发，有的很好发，今天要分享的文章是在2023年发表在《Nature Communication》上的文章，2021年和2022年分别是17.694分和16.6，最新一年的影响因子为14.7，属于综合性期刊领域内前20%的期刊，被称为Nature 子刊中最容易接收的期刊，录用率高达75%。
![]()
接下来介绍一篇今天小编看到的nature子刊文章，相信很多小伙伴看到会觉得，我也能发，项工作的动机是为中国30个省份的每小时风能和太阳能发电预测开发一个为期一年的误差分析基准, 当然今天分享这篇文章最重要的原因是这篇文章开源了全国2016年，每个小时31省的风力发电和光伏发电数据集，这个数据集也是非常有价值的（小编也整理好了，在文末可以直接领取奥）
![]()
![]()
![]()
![]()
每个绘图的数据集都开源，以及计算所使用的数据，总结一下，文章的主要工作就是对全国31个省份，分别进行了单时序预测，采用的方法就是如下，都是非常经典简单的算法，然后主要是对31个省份进行预测误差分析
![]()
说实话这个操作起来还是比较简单的，文章没有提出技术上的创新，只是进行31个省份光伏、风力数据预测分析，且采用的预测方法还是非常简单的，这个精确率也不需要构造baseline进行对比，这个数据集量不算很大，每个省份8760个数据
![]()
甚至小编拿自己开发的时间序列预测工具箱几分钟就能预测得到结果，RF、SVM只能在别的研究预测算法的文章中做baseline![]()
![]()
![]()
![]()
进一步直接误差分析
![]()
进一步得到概率区间预测结果
![]()
但小编说这篇文章实现并不难，目的并不是要批判这篇文章水之类的，反而是去学习文章的一些思路和做法，个人是觉得这篇工作还是非常有意义的。小编个人分析下这篇文章能被接受的一些原因：
1：首先研究的背景是比较热门的新能源、风力发电以及光伏发电，确实是近些年甚至是未来几年的热点关注，风电和太阳能发电增长非常迅速，作者关注的点是：很少有研究对自然随机性所产生的固有可再生不确定性的统计特征进行研究这对我们启发是，做热门方向的比较少人关注的小方向是比较容易出成果的，这篇文章几乎没有算法的创新，只能说是应用统计分析，但是也能发表在不错的期刊上面2：数据集也是一个比较重要的方面，可以说对于其他领域方向想结合机器学习、深度学习之类的发文章，一个有意义的数据集是很重要的，因为这个数据集采集也是有一定难度，在数据集方面就少了很多竞争对手对我们的启发是，数据集其实也是一种资源，比如实验室有非常先进的设备而其他实验室没有，那别人都没办法和你竞争，因此我们做研究尽量充分发挥实验室本来的资源，比如基于独有的数据集或者设备研究，一定程度上会好出文章一些，并且能够在之前的基础上研究3：数据分析能力：其实我们看文章发现，很多好文章并没有提出非常复杂的方法，特别是统计分析型文章，但无一例外他们都做了非常细致的分析，有比较大的工作量，其实就单一个误差分析都能做得很细致。对我们的启发是，数据分析是一个特别好凑工作量的方面，特别是对自己的结果之类的进行统计分析，还可以通过分析得到不一样的结论4: 绘图能力：无一例外好文章的绘图都是很好看的，因此我们需要加强学习绘图，好的绘图真的会让人眼前一亮，最近小编也开发一个绘图工具，感兴趣可以看看最后其实发论文也存在很多的信息差，在有余力的情况下可以多了解期刊，如果有足够的工作量，nature子刊也是可以冲一冲，投文章运气成分也是有很多的
文章全文包括文章绘图数据集，31省份的风力光伏每日发电数据集以及整理好，点赞+在看，点击 阅读全文 直接下载/或者进入以下链接下载 https://mbd.pub/o/bread/Zp2bkp1w。
如果想要快速实现机器学习方法，强烈推荐我们的工具箱，一次购买永久使用免费更新，均价几十真的很划算，算法功能加倍，支持一键导出代码，已经有超多用户使用获奖、发论文
![]()
![]()
![]()
![]()
![]()
![]()
点击历史推文全面了解
上万人使用的机器学习工具箱是什么样子的？最新版工具箱功能定版！
评价、降维、聚类、回归、分类、单时序预测、多元时序预测、多输出多输出、回归概率预测、时序概率预测、都有多种优质方法，且都支持一键导出代码
评价工具箱pingjia
![]()
聚类降维工具箱DrCluster
![]()
分类回归概率预测工具箱RCpredict
![]()
单、多元时序/多输入多输出工具箱MTpredict
![]()
四个工具打包获取，一码通用只需要激活一次，所有工具箱都可以一键导出代码
【视频讲解】B站录制了使用详细的视频，可以扫码观看或者点击链接 https://www.bilibili.com/video/BV1a94y147Qf/可以观看视频的1~26节
【获取方式】扫码获取或者点击链接
https://mbd.pub/o/bread/mbd-ZJabmJ9q
![]()
更多开源资料可以看公众号主栏引导
![]()
更多竞赛、保研、科研学习资料领取或其他需求咨询可以联系我们~
![]()
