FreDo：基于频域的长期时间序列预测
机器学习
2022-05-26 v1 人工智能
摘要
能够预测遥远的未来对许多应用极为有益，包括但不限于气候学、能源消耗和物流。然而，由于噪声或测量误差，人们能在多大程度上合理地进行长期预测是存疑的。在本文中，我们首先从数学上证明，由于误差累积，复杂模型在长期预测上可能并不优于基线模型。为说明这一点，我们展示了一个基于周期性的非参数基线模型在各种数据集上实际上能达到与最先进的基于 Transformer 的模型相当的性能。我们进一步提出 FreDo，一种基于频域的神经网络模型，它构建于该基线模型之上以提升其性能，并大幅优于最先进的模型。最后，我们通过比较在频域与时域中训练的单变量模型，验证了频域确实更优。
引用
@article{arxiv.2205.12301,
title = {FreDo: Frequency Domain-based Long-Term Time Series Forecasting},
author = {Fan-Keng Sun and Duane S. Boning},
journal= {arXiv preprint arXiv:2205.12301},
year = {2022}
}