基于隐层均值编码的层次时间序列预测
机器学习
2025-06-25 v1 人工智能
摘要
在多个商业应用中，对目标变量在粗粒与细粒时间尺度上的行为进行一致预测，关乎基于利润优化的决策，仍是时序层次预测中开放的研究问题。本文提出一种新型层次结构，通过利用专门针对不同时间聚合水平的模块来解决此问题。该结构在学习编码目标变量在其隐层中所需平均行为后，能够在目标时序层次结构上进行准确且一致的预测。我们在具有挑战性的真实世界数据集M5上进行验证，表明该方法优于如TSMixer等已建立的方法。
引用
@article{arxiv.2506.19633,
title = {Hierarchical Time Series Forecasting Via Latent Mean Encoding},
author = {Alessandro Salatiello and Stefan Birr and Manuel Kunz},
journal= {arXiv preprint arXiv:2506.19633},
year = {2025}
}