01

Baidu KDD CUP 2022

空间动态风力预测挑战

赛事介绍

风电预测（WPF）旨在准确估计风电场在不同时间尺度上的风能供应。风电是一种清洁安全的可再生能源，但不能持续生产，导致高波动性。这种可变性可能对将风力发电并入电网系统提出重大挑战。为了保持发电和消费之间的平衡，风力发电的波动需要从其他可能无法在短时间内获得的电力替代（例如，通常至少需要 6 个小时才能点燃一个燃煤电厂）。因此，WPF被广泛认为是风电并网运行中最关键的问题之一。数据挖掘和机器学习社区中出现了关于风力发电预测问题的研究爆炸式增长。然而，如何处理好 WPF 问题仍然具有挑战性，因为始终需要高预测精度来确保电网稳定性和供电安全。

我们提供了来自龙源电力集团有限公司的独特的空间动态风力发电预测数据集：SDWPF，其中包括风力涡轮机的空间分布，以及时间、天气和涡轮机内部状态等动态背景因素。然而，大多数现有的数据集和竞赛将 WPF 视为时间序列预测问题，而不知道风力涡轮机的位置和上下文信息。

SDWPF 数据集的图示如下所示。每台风力发电机可以单独产生风力Ti，风电场的输出功率是所有风力发电机的总和。

换言之，在时间t，风电场的输出功率为P=∑_i Patv_i 。

此竞赛任务有两个独特的功能，不同于以往的 WPF 竞赛设置：

1. 空间分布：本次竞赛将提供给定风电场的所有风力涡轮机的相对位置，用于建模风力涡轮机之间的空间相关性。

2. 动态上下文：提供由每个风力涡轮机监控的重要天气情况和涡轮机内部上下文，以促进预测任务。

参赛对象 所有人

赛程安排

3月16日，注册网站开放。
3月20日，初步数据公布。参与者将使用初始 WPF 数据进行练习以熟悉问题。
4月10日，完整数据发布。我们将发布所有数据集和基线代码。
5月10日，投稿开始。所有团队都可以尝试演示提交，以确保顺利提交最终测试。
6月20日，测试数据更新。将发布一个新的测试集用于测试预测。
7 月 15 日，最终提交截止日期。每个团队提交其最终预测模型。这些模型将在私人测试集上进行评估，以确定候选获奖团队。
7月18日，获奖通知。有关代码和技术论文的私人通知和说明将发送给获奖者。
7 月 21 日，代码和获奖者的技术论文提交截止日期。
7月22日，获奖者公告。
8 月 1 日，技术论文修改截止日期。
8月15日，KDD杯研讨会。

奖项设置

普通奖

第一名：10 000 美元

第二名：5, 000美元

第三名：3, 000 美元

第 4 至第 10 名：每人 1,000 美元。

对于前15名的参与者，我们将提供带有等级的证书。

特别 PaddlePaddle 奖对于使用PaddlePaddle作为深度学习平台来实施挑战解决方案的团队，我们提供了一个特殊的 PaddlePaddle 赛道和奖品：

第一名：3,000 美元

第二名： 2, 000美元

第三名：1 500 美元

第 4 至第 10 名：每人 500美元

所有获奖团队成员将获得百度公司工作机会的直接面试推荐，无需笔试。

比赛网址

https://aistudio.baidu.com/aistudio/competition/detail/152/0/introduction

02

CCKS2022

开放知识图谱问答

赛事介绍

在互联网软硬件相关技术飞速发展的今天，人们每天接触与制造的数据量日益上升，理解与应用这些数据所需的成本也随之增加。因此，如何高效而准确地处理海量异质数据成为了一个亟待解决的问题。知识图谱以结构化的“知识”来存储与表示海量数据，作为承载底层海量知识并支持上层智能应用的重要载体，它在智能时代中扮演了极其重要的角色。

然而，由于知识图谱高度结构化的特点，我们常常需要构建结构化查询语句（SPARQL等）来查找相关知识，这为普通用户使用知识图谱造成了不便。因此，在知识图谱上进行自然语言问答（KBQA）近年来成为了前者的热门应用之一。在学界，semantic parsing、IR等创新性方法与框架百花齐放；在业界，智能音箱、语音助手、智能问诊等应用也极大地拓宽了知识图谱自然语言问答的应用场景，进一步加强了对高效、准确、易用、安全、可解释的KBQA系统的需求。

面对这一需求，我们提出了中文知识图谱问答这一评测任务，期待参赛者们可以提出创新性的KBQA系统，同时处理“专而深”的特定领域和“广而浅”的开放领域知识图谱，对用户提出的复杂多样的自然语言问题给出准确答案。同时，我们更希望此次评测可以为KBQA的下一步研究和落地提供一些理论及实践层面的启发。

本任务属于中文知识图谱自然语言问答任务，简称CKBQA （Chinese Knowledge Base Question Answering）。即输入一句中文问题，问答系统从给定知识库中选择若干实体或属性值作为该问题的答案。问题均为客观事实型，不包含主观因素。理解并回答问题的过程中可能需要进行实体识别、关系抽取、语义解析等子任务。这些任务的训练可以使用额外的资源，但是最终的答案必须来自给定的知识库。

知识图谱问答在当前互联网信息爆炸、人工智能盛行的时代是十分有战略价值和研究意义的。一方面，传统搜索引擎是以网页资源为核心，依据关键词索引、文本匹配等方式进行检索并返回给用户相关网页链接，而用户很多时候需要的只是对一个具体问题的特定解答。另一方面，诸如智能音箱、智能问诊等新一代产品应用通常也需要依赖于特定的知识图谱响应用户的自然语言请求。例如智能问诊应用可以依据医药健康领域的知识库对患者的情况进行初步诊断。

参赛对象 所有人

赛程安排

评测任务发布：4月6日

报名时间：4月6日 - 7月25日

训练及验证数据发布：5月5日

验证数据开始提交：5月5日（4:00 UTC）

验证数据截止提交：7月25日(15:59 UTC)

测试数据发布并开始提交：7月25日(10:00 UTC)

测试数据提交截止：7月31日(15:59 UTC)

评测论文提交截止：8月12日

CCKS会议日期（评测报告及颁奖）：8月25日-28日

奖项设置

第一名 10000元

第二名 5000元

第三名 2500元

技术创新奖2500，同时排名靠前队伍将获授精美参赛奖牌、证书。

比赛网址

https://www.biendata.xyz/competition/ccks2020_ckbqa/

03

2022 江苏气象AI算法挑战赛

AI 助力强对流天气预报

赛事介绍

强对流天气是气象学上所指发生突然、移动迅速、天气剧烈、破坏力强的中小尺度灾害性天气，通常伴有雷雨大风、冰雹、龙卷风、短时强降水等。由于空间尺度小、生命史短暂、并带有明显的突发性，就目前的预报方法和技术水平而言，对其进行“定点、定量、定时”的预报难度很大。江苏东部临海，地势平坦，域内江河湖泊水网交织，处于亚热带和暖温带的气候过渡地带，易积聚不稳定能量，导致强对流频发，对社会基础设施、公众生命安全产生较大威胁。

因此，江苏地区的强对流天气预报一直是短临预报业务工作中的重点与难点。近年来，伴随计算机技术的不断发展，AI技术被广泛应用于短临天气预报中。

首届江苏气象AI算法挑战赛，由江苏省气象学会、江苏省气象台主办，以“AI助力强对流预报”为主题，聚焦短临强对流预报技术研发及应用，探索利用人工智能技术突破短临预报关键性技术瓶颈，推进人工智能技术在气象领域的学术合作、人才培养、技术交流以及多学科交叉融合应用，促进数字技术与强对流预测的融合实践与探索，共享经验成果，为江苏省短临强天气预报技术提供新思路新方案。

参赛对象 所有人

赛程安排

初赛（2022年5月10日-2022年6月2日，UTC+8）

复赛（2022年6月7日-2022年7月15日，UTC+8）

决赛（2022年8月上旬，UTC+8）

奖项设置

冠军：1支队伍，奖金10万元人民币

亚军：1支队伍，奖金6万元人民币

季军：1支队伍，奖金4万元人民币

优胜奖：7支队伍，每支队伍奖金1万元人民币

（上述奖项以决赛答辩的最终名次决定）

其余进入复赛且未获以上奖项的选手获纪念奖1份

——————— 其他激励 ———————

入围决赛队伍中的在校成员，有机会进入阿里巴巴达摩院实习

江苏省气象学会推荐前三名获奖队伍参加“科创江苏”创新创业大赛

比赛网址

https://tianchi.aliyun.com/competition/entrance/531962/introduction?spm=5176.12281949.1003.1.5c99244842vyc2

关注我们不迷路，带你及时获取更多竞赛信息～

20220517 ｜ 竞赛资讯

01

02

03

20220517 ｜竞赛资讯