恭賀！本校資工系論文獲日本CIIS國際會議「最佳報告獎」與「特稿」殊榮！師生合力開發抗颱風衝擊的AI模型

【能源預測新突破】長榮大學資訊工程學系在國際學術舞台上再次取得重大突破！由蔡尚恩副教授指導、安明軒同學為第二作者的學術論文，於2025年11月21日至23日在日本岡山大學舉行的第八屆計算智慧與智能系統國際會議 (CIIS 2025)」上，榮獲雙重殊榮：「最佳報告獎 (Certificate for Excellent Oral Presentation)」及「優異貢獻獎 (Certificate of Appreciation for significant contribution)」，這項成就肯定了該研究的創新性與技術表達的卓越性。長榮大學蔡尚恩副教授表示：「能夠在國際會議中獲得肯定，這證明本研究的實用性價值。」

一、特稿論文獲選：電力系統預測的AI新典範

這篇題為《Tackling Seasonality in Power Systems: An Interpretable Two-Stage Forecasting Model Integrating ARIMA and ANN》的論文，聚焦於現代電力系統的核心難題：短期負載預測（STLF）。傳統的預測模型在面對極端天氣或非線性衝擊時，往往會產生巨大的誤差，導致電力系統面臨額外的運營成本與風險。  

安明軒同學代表指導教授蔡尚恩副教授，在上週於日本岡山大學出席CIIS 2025國際研討會與進行口頭報告。該研究團隊提出了一項極具創新性的「可解釋雙階段混合架構」，成功地克服了傳統深度學習模型的「黑箱」問題：

• 第一階段（線性核心）：採用透明的ARIMA模型，負責捕捉電力負載的長期趨勢與穩定的每週規律。  
• 第二階段（殘差學習）：使用極精簡的人工神經網路（ANN，參數約100個 ），專注學習殘餘的非線性衝擊，例如颱風、熱浪和假日效應。  

二、極端條件下的卓越韌性

該論文的核心價值在於其韌性與效率。研究結果顯示，在正常情況下，模型的MAPE（平均絕對百分比誤差）已極低，但在最嚴峻的颱風週極端條件下，研究團隊的模型展現了強大的抗衝擊能力：

• 在颱風週的「單日預測」中，傳統純ARIMA模型的RMSE（均方根誤差）高達142 GWh，而蔡教授團隊的混合模型則能將誤差成功壓低至僅約10 GWh，顯著提升了電網運營的可靠性。  
• 該模型僅需約100個ANN參數 ，訓練時間遠低於需要數萬到數十萬參數的深度學習模型（如GRU/Transformer ），達到準確性、效率和可解釋性的完美平衡。  

這項成就再次為長榮大學資訊工系在智慧系統與能源應用等領域的國際學術聲譽，增添了濃墨重彩的一筆。