MRDNet: Multivariable Relational Decomposition Network for Multivariate Time Series Forecasting

doi:10.1016/j.knosys.2026.115554

MRDNet: Multivariable Relational Decomposition Network for Multivariate Time Series Forecasting

2026-02-18

0

PRE

AI

DOI：10.1016/j.knosys.2026.115554

原文链接

原文求助

摘要

En 中文

变量间相关性的精确建模（也称为通道）对于实现精确可靠的多变量时间序列预测至关重要。然而，由于异常值、缺失值和噪声等异常情况，多变量时间序列分析中仍存在挑战，这些情况会掩盖变量间的真实关系并降低预测精度。为解决此问题，我们提出了一种多变量关系分解网络（MRDNet），该网络将变量关系分解为全局和局部分量。全局分量通过可学习的潜在向量捕获变量间的共享季节性模式，建立稳定的长程相关性。局部分量通过分析平滑时间序列数据中的趋势，专注于窗口特定的关系。此外，我们设计了一个自适应神经网络来优化这些关系并减轻异常值的影响。通过整合这些分量，MRDNet能够有效处理异常值，同时捕捉稳定的全局依赖关系和动态的局部模式。在基准数据集上的广泛实验表明，MRDNet实现了卓越的预测性能，解决了多变量时间序列异常带来的挑战。

Keyword:

Multivariate time series forecasting

Relational decomposition

Anomaly handling

Global and local correlations

Adaptive neural network

MRDNet: Multivariable Relational Decomposition Network for Multivariate Time Series Forecasting

摘要

期刊

机构

引用论文