ARMA Block：一种用于长期时间序列预测的基于 CNN 的自回归与移动平均模块
机器学习
2025-09-15 v1
摘要
本文提出了一个简单而有效的用于长期时间序列预测的卷积模块。所提出的模块受自回归积分移动平均 (ARIMA) 模型启发，由两个卷积分量组成：一个用于捕获趋势（自回归），另一个用于细化局部变化（移动平均）。与需要迭代多步预测的传统 ARIMA 不同，该模块直接执行多步预测，使其易于扩展到多变量设定。在九个广泛使用的基准数据集上的实验表明，我们的方法 ARMA 实现了具有竞争力的精度，特别是在表现出强趋势变化的数据集上，同时保持了架构的简单性。此外，分析表明该模块固有地编码了绝对位置信息，表明其具有作为序列模型中位置嵌入的轻量级替代方案的潜力。
引用
@article{arxiv.2509.10324,
title = {ARMA Block: A CNN-Based Autoregressive and Moving Average Module for Long-Term Time Series Forecasting},
author = {Myung Jin Kim and YeongHyeon Park and Il Dong Yun},
journal= {arXiv preprint arXiv:2509.10324},
year = {2025}
}