统一的长时序时间序列预测基准
机器学习
2023-09-29 v1 人工智能
神经与进化计算
动力系统
摘要
为支持用于时间序列数据预测的机器学习方法的发展,我们提出一个专为长时序时间序列预测设计的综合数据集。我们整合了从多样化动态系统与真实记录中获取的数据集集合。每个数据集均通过划分为具有预定回看长度的训练与测试轨迹进行标准化。我们包含长度可达 的轨迹,以确保对长期预测能力的可靠评估。为确定不同场景下最有效的模型,我们使用经典与最先进(SOTA)模型,即 LSTM、DeepAR、NLinear、N-Hits、PatchTST 与 LatentODE,进行了广泛的基准分析。我们的发现揭示了这些模型间引人关注的性能比较,凸显了模型有效性依赖于数据集的特性。值得注意的是,我们引入了自定义的潜变量 NLinear 模型,并为 DeepAR 增加了课程学习阶段。两者均持续优于其原始版本。
引用
@article{arxiv.2309.15946,
title = {Unified Long-Term Time-Series Forecasting Benchmark},
author = {Jacek Cyranka and Szymon Haponiuk},
journal= {arXiv preprint arXiv:2309.15946},
year = {2023}
}