主导混洗：一种简单而强大的时间序列预测数据增强方法

近期研究表明，频域数据增强（DA）对时间序列预测有效。现有的频域增强方法使用各种全频谱噪声干扰原始数据，导致增强数据与原始数据之间存在过大的域差距。尽管在某些情况下取得了令人印象深刻的性能，但频域DA尚未能泛化到时间序列预测数据集。在本文中，我们发现，通过两项限制扰动的修改可以显著改进频域增强。首先，我们发现将扰动限制在主导频率上显著优于全频谱扰动。主导频率代表了信号的主要周期性和趋势，比其他频率更为重要。其次，我们发现简单地混洗主导频率分量优于精心设计的随机扰动。混洗重新排列了原始分量（幅度和相位），并限制了外部噪声。通过这两项修改，我们提出了主导混洗，一种简单而有效的时间序列预测数据增强方法。我们的方法非常简单但功能强大，只需几行代码即可实现。在八个数据集和六个流行时间序列模型上进行的大量实验表明，我们的方法在各种设置下持续改善了基线性能，并显著优于其他DA方法。代码可在 https://kaizhao.net/time-series 获取。