通道独立策略是时间序列预测的最优解吗？
机器学习
2023-12-20 v4 人工智能
信号处理
摘要
长期以来，各类长时时间序列预测模型不断涌现。近期研究表明，使用通道依赖（CD）或通道独立（CI）建模的单一线性层甚至能优于大量复杂模型。然而，当前研究主要将 CD 和 CI 视为两种互补但互斥的方法，无法同时利用这两个极端。并且，CD 和 CI 均为静态策略，若不通过大量实验，难以确定其对特定数据集为最优，这也是一个具有挑战性的问题。本文中，我们重新思考当前 CI 策略是否为时间序列预测的最佳方案。首先，我们针对线性模型提出一种简单而有效的策略 CSC，即通道自聚类（Channel Self-Clustering）策略。我们的通道自聚类（CSC）在提升 CI 策略性能的同时减小了参数量，例如在 electricity 数据集上参数量减少超过 10 倍，并显著缩短训练时间。其次，我们进一步提出通道重排（CR），一种受自聚类启发的深度模型方法。CR 取得了与基线相比具有竞争力的性能。最后，我们也探讨了使用同一通道的历史值作为输入来预测未来值是否为最佳做法。我们希望我们的发现与方法能启发超越 CD/CI 的新方案。
引用
@article{arxiv.2310.17658,
title = {Is Channel Independent strategy optimal for Time Series Forecasting?},
author = {Yuan Peiwen and Zhu Changsheng},
journal= {arXiv preprint arXiv:2310.17658},
year = {2023}
}