LLM-Mixer：用于时间序列预测的 LLM 中的多尺度混合
机器学习
2025-06-03 v2 计算与语言
摘要
时间序列预测在处理复杂多尺度时序模式时仍面临挑战。本研究提出了 LLM-Mixer 框架，通过将多尺度时间序列分解与预训练大语言模型（LLM）相结合来提高预测准确度。LLM-Mixer 通过将数据分解为多个时间分辨率并使用针对时间序列数据设计的文本提示处理这些分解结果，从而捕捉到短期波动和长期趋势。在多变量和单变量数据集上进行的大量实验表明，LLM-Mixer 表现出竞争力，凭借在各种预测时滞下的优势超过了最新的 SOTA 模型。本工作凸显了多尺度分析与 LLM 结合以实现高效可扩展时间序列预测的潜力。
引用
@article{arxiv.2410.11674,
title = {LLM-Mixer: Multiscale Mixing in LLMs for Time Series Forecasting},
author = {Md Kowsher and Md. Shohanur Islam Sobuj and Nusrat Jahan Prottasha and E. Alejandro Alanis and Ozlem Ozmen Garibay and Niloofar Yousefi},
journal= {arXiv preprint arXiv:2410.11674},
year = {2025}
}
备注
Time series forecasting using LLMs