DBLoss：基于分解的时间序列预测损失函数
机器学习
2025-10-29 v1
摘要
时间序列预测在经济、交通、能源和 AIOps 等多个领域具有重要价值，因为准确的预测有助于做出明智的决策。然而，现有的均方误差（MSE）损失函数即使在前向传播中使用分解模块来单独建模趋势和季节性，也有时无法准确捕捉预测窗口内的季节性或趋势。为此，我们提出一种简单而有效的基于分解的时间序列损失函数，称为DBLoss。该方法使用指数移动平均将时间序列在预测窗口内分解为季节性和趋势分量，然后分别计算这些分量的损失，最后对其进行加权。作为通用损失函数，DBLoss可以与任何深度学习预测模型结合。广泛的实验表明，DBLoss 在 diverse 真实数据集上显著提高了最先进模型的性能，并为时间序列损失函数设计提供了新的视角。
引用
@article{arxiv.2510.23672,
title = {DBLoss: Decomposition-based Loss Function for Time Series Forecasting},
author = {Xiangfei Qiu and Xingjian Wu and Hanyin Cheng and Xvyuan Liu and Chenjuan Guo and Jilin Hu and Bin Yang},
journal= {arXiv preprint arXiv:2510.23672},
year = {2025}
}
备注
Accepted by NeurIPS 2025