A 级 数据算法 来源等级 A 资格待核
IEEE Big Data Cup 2026 CarbonGlobe AI Emulation Challenge
用 40 年全球环境驱动和初始生态状态，预测七项年度碳相关变量的多年代轨迹；重点惩罚逐年滚动中的长期漂移。
- 主办／组织
- University of Maryland · Rutgers · Worcester Polytechnic Institute · IEEE Big Data Cup
- 地区与形式
- 全球线上 · Kaggle
- 日期说明
- 最终方案与技术报告截止 2026-11-15
- 适配评分
- 7.0 / 10 · 时序预测与 AI for Earth 团队中高
// 资格与适用人群
大陆团队参赛判断
资格待核大陆资格：资格待核
暂无可确认的结构化硬门槛。
谁适合参加
全球时序预测、AI for Earth、生态模型仿真与科学机器学习团队
本页只做保守资格摘要；地区、团队人数、身份、费用及线下要求仍应以赛事规则页为准。
// 参赛建议
推荐打法
先用官方随机森林和数据教程建立 autoregressive 基线，除 RMSE / MAE 外单独监控累计误差和年度增量误差；最终需提交源码与技术报告。
// Timeline
关键时间轴
- 数据与竞赛平台开放
- 最终方案与技术报告截止
- 获胜团队公布
时间轴中的报名或提交截止仅用于参赛提醒，不会被当作活动开始日期写入结构化数据。
// Rewards
奖励与机会
- IEEE Big Data Cup 现金奖与证书（本挑战具体金额未披露）
- 挑战报告、会议展示和论文机会
// Evaluation
可能的获胜重点
- 长期预测误差
- 累计漂移控制
- 年度动态一致性
- 可复现性
// Sources
来源与核验说明
- Kaggle 官方赛事页｜任务与时间 ↗ 2026-08-06
- IEEE Big Data Cup 官方｜七项挑战总览 ↗ 2026-08-06
核验边界
本站于 2026-08-06 整理该记录 （核验状态：verified），用于赛事发现与决策辅助，不是官方报名系统，也不承诺实时更新。 截止时间、参赛资格、奖金条件和规则变更均以主办方最新公告为准。
赛事身份、任务、赛程、资格与奖励边界已按所列官网或官方平台复核；未披露的日期、奖金、队伍规模、费用和知识产权条款均保留为未知。