用于时间序列预测的小波混合专家模型
机器学习
2025-08-13 v1 人工智能
摘要
时间序列预测领域正在快速发展，近期的大规模Transformer和轻量级多层感知机（MLP）模型展现出强大的预测性能。然而，传统的Transformer模型通常因其庞大的参数量以及通过平滑处理捕捉数据中非平稳特征的有限能力而受到阻碍。同样，MLP模型也难以有效管理多通道依赖性。为了解决这些局限性，我们提出了一种新颖的轻量级时间序列预测模型WaveTS-B。该模型将小波变换与MLP相结合，在小波域中捕捉数据的周期性和非平稳特征。在此基础上，我们提出了一种通道聚类策略，该策略融合了混合专家（MoE）框架，利用门控机制和专家网络来高效处理多通道依赖性。我们提出了WaveTS-M，这是一个为多通道时间序列预测量身定制的高级模型。在八个真实世界时间序列数据集上的实证评估表明，我们的WaveTS系列模型以显著更少的参数实现了最先进（SOTA）的性能。值得注意的是，WaveTS-M在多通道数据集上显示出显著改进，突显了其有效性。
引用
@article{arxiv.2508.08825,
title = {Wavelet Mixture of Experts for Time Series Forecasting},
author = {Zheng Zhou and Yu-Jie Xiong and Jia-Chen Zhang and Chun-Ming Xia and Xi-Jiong Xie},
journal= {arXiv preprint arXiv:2508.08825},
year = {2025}
}