vLinear: 一种用于多元时间序列预测的强大线性模型
机器学习
2026-01-21 v1 人工智能
摘要
在本文中，我们提出了 vLinear，一种有效且高效的基于线性的多元时间序列预测器，其包含两个组件：vecTrans 模块和 WFMLoss 目标函数。许多最先进的预测器依赖自注意力或其变体来捕获多元相关性，其计算复杂度通常为 O(N^2)，其中 N 为变量数量。为了解决这个问题，我们提出了 vecTrans，这是一个轻量级模块，利用一个可学习向量来建模多元相关性，将复杂度降低到 O(N)。值得注意的是，vecTrans 可以无缝集成到基于 Transformer 的预测器中，提供高达 5 倍的推理加速和持续的性能提升。此外，我们引入了 WFMLoss（加权流匹配损失）作为目标函数。与典型的面向速度的流匹配目标相比，我们证明了一种面向最终序列的公式能产生显著优越的预测精度。WFMLoss 还结合了路径和视野加权策略，将学习重点放在更可靠的路径和视野上。在实证方面，vLinear 在 22 个基准和 124 个预测设置中取得了最先进的性能。此外，WFMLoss 作为一个有效的即插即用目标函数，持续改进了现有的预测器。代码可在 https://anonymous.4open.science/r/vLinear 获取。
引用
@article{arxiv.2601.13768,
title = {vLinear: A Powerful Linear Model for Multivariate Time Series Forecasting},
author = {Wenzhen Yue and Ruohao Guo and Ji Shi and Zihan Hao and Shiyu Hu and Xianghua Ying},
journal= {arXiv preprint arXiv:2601.13768},
year = {2026}
}