-
题名基于分解和频域特征提取的多变量长时间序列预测模型
- 1
-
-
作者
范艺扬
张洋
曾尚
曾渝
付茂栗
-
机构
中国科学院成都计算机应用研究所
中国科学院大学计算机科学与技术学院
深圳市中钞科信金融科技有限公司
-
出处
《计算机应用》
CSCD
北大核心
2024年第11期3442-3448,共7页
-
基金
四川省科技计划项目(2023YFG0113)。
-
文摘
针对现有基于Transformer的多变量长时间序列预测(MLTSF)模型主要从时域中提取特征,难以直接从长时间序列分散的时间点中找出可靠依赖关系的问题,提出一种新的基于分解和频域特征提取的模型。首先,提出基于频域的周期项-趋势项的分解方法,以降低分解过程的时间复杂度;其次,在利用周期项-趋势项分解提取序列趋势性特征的基础上,利用基于Gabor变换进行频域特征提取的Transformer网络捕捉周期性的依赖,提高预测的稳定性和鲁棒性。在5个基准数据集上的实验结果显示,与现有的先进方法相比,所提模型在MLTSF上的均方误差(MSE)平均减小了7.6%,最多减小了18.9%,有效提升了预测精度。
-
关键词
多变量长时间序列预测
频域特征提取
GABOR变换
TRANSFORMER
时间序列
深度学习
-
Keywords
multivariate long-term series forecasting
frequency domain feature extraction
Gabor transform
Transformer
time series
deep learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
