基于多尺度可变形卷积的长期时间序列预测方法 MS-DFTVNet
机器学习
2025-10-03 v4 人工智能
摘要
长期时间序列预测研究主要依赖 Transformer 和 MLP 模型，而卷积网络在该领域的潜力尚未得到充分探索。为此，我们提出了一种新型的多尺度时间序列重塑模块，有效捕获跨周期 patch 交互和变量依赖关系。基于此，我们开发了 MS-DFTVNet，专为长期预测开发的多尺度 3D 可变形卷积框架。此外，为处理时间特征固有的不均匀分布，我们引入了一种情境感知的动态可变形卷积机制，进一步增强了模型捕捉复杂时序模式的能力。大量实验表明，MS-DFTVNet 不仅显著优于强大的基线方法，还在六个公开数据集上实现约 7.5% 的平均改进，树立了新的最先进 (SOTA) 成绩。
引用
@article{arxiv.2506.17253,
title = {MS-DFTVNet:A Long-Term Time Series Prediction Method Based on Multi-Scale Deformable Convolution},
author = {Chenghan Li and Mingchen Li and Yipu Liao and Ruisheng Diao},
journal= {arXiv preprint arXiv:2506.17253},
year = {2025}
}