DPANet：用于多变量时间序列预测的双层金字塔注意力网络
机器学习
2025-09-22 v2 人工智能
摘要
长期时间序列预测（LTSF）受到建模跨越多个时间尺度和频率分辨率的复杂依赖关系挑战的制约。现有方法，包括Transformer和基于MLP的模型，往往难以以统一且有结构的方式捕获这些交织特征。我们提出了双层金字塔注意力网络（DPANet），这是一种新型架构，显式地解耦并同时建模时间多尺度动力学和频谱多分辨率周期性。DPANet构建两个平行金字塔：一个基于逐步下采样构建的时间金字塔，以及一个基于带通滤波构建的频率金字塔。我们的模型的核心是交叉金字塔融合块，它通过跨注意力机制促进对应金字塔层级之间深入的、交互式的信息交换。这种融合以粗到细的层次结构进行，使全局上下文能够指导局部表征的学习。大量实验表明，DPANet在公共基准数据集上实现了最先进的性能，显著优于先前模型。代码已公开于 https://github.com/hit636/DPANet。
关键词
引用
@article{arxiv.2509.14868,
title = {DPANet: Dual Pyramid Attention Network for Multivariate Time Series Forecasting},
author = {Qianyang Li and Xingjun Zhang and Shaoxun Wang and Jia Wei},
journal= {arXiv preprint arXiv:2509.14868},
year = {2025}
}