WPMixer：用于长期时间序列预测的高效多分辨率混合技术
机器学习
2024-12-24 v1
摘要
时间序列预测是天气预报、用电负荷预测和金融分析等众多应用中的关键技术。近期研究表明，针对时间序列预测的 MLP-mixer 模型展现了类似变换器模型的潜力。然而，这些模型的性能尚未达到其潜在水平。本文提出了小波补丁混合器（Wavelet Patch Mixer, WPMixer），一种新的基于 MLP 的模型，用于长期时间序列预测，利用补丁、多分辨率小波分解和混合的优势。我们的模型基于三个关键组件：（i）多分辨率小波分解，（ii）补丁与嵌入，（iii）MLP 混合。多分辨率小波分解高效地提取时频域中的信息。补丁化使模型能够捕获具有回look-back窗口的扩展历史，增强局部信息捕获，而 MLP 混合则融合全局信息。我们的模型在计算上高效地显著优于基于 MLP 和变换器的最先进模型，证明了其在实际应用中的有效性与潜力。
引用
@article{arxiv.2412.17176,
title = {WPMixer: Efficient Multi-Resolution Mixing for Long-Term Time Series Forecasting},
author = {Md Mahmuddun Nabi Murad and Mehmet Aktukmak and Yasin Yilmaz},
journal= {arXiv preprint arXiv:2412.17176},
year = {2024}
}
备注
12 pages, 3 Figures, AAAI-2025