Benchmarking M-LTSF：多变量长时间序列预测模型的频率与噪声基准评估

理解深度学习模型用于多变量长期时间序列预测 (M-LTSF) 的鲁棒性仍然具有挑战性，因为通常依赖的评估方法依赖于噪声特性未知的真实数据集。我们提出了一种基于参数化合成数据集的仿真评估框架，其中每个数据集实例对应于不同配置的信号成分、噪声类型、信噪比和频率特征的不同组合。这些可配置的成分旨在在不含噪声特性未知性的前提下建模真实的多变量时间序列数据。该框架使我们能够在受控且多样化的情景下对 M-LTSF 模型进行细粒度、系统的评估。我们对四个具有代表性的架构进行基准测试：S-Mamba（基于状态空间）、iTransformer（基于转换器）、R-Linear（基于线性）和 Autoformer（基于分解）。我们的分析表明，当回望窗口无法捕获季节性模式数据的完整周期时，所有模型都会严重退化。S-Mamba 和 Autoformer 在锯齿形模式上表现最佳，而 R-Linear 和 iTransformer 则更倾向于正弦信号。白噪声和布朗噪声普遍导致性能下降，信噪比越低效果越明显；而 S-Mamba 对特定的趋势噪声较为脆弱，iTransformer 对季节性噪声则表现出脆弱性。进一步的谱分析显示，S-Mamba 和 iTransformer 在频率重建方面取得优异成绩。这种基于合成且以原则为导向的测试平台方法，通过 MSE 分数的聚合，提供了对模型特定优势与局限性的更深入见解，并为基于信号特征和噪声条件选择模型提供了具体指导。