.png){kind=icon}
返回
Periodicity Variations Modelling Based on 2D Multi-Scale Patch for Multivariate Time Series Forecasting Using Improved MLP and Depthwise Separable Convolution
.png){kind=icon}
PRE
AI
DOI：10.1111/exsy.70183.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多变量时间序列预测（MTSF）涉及基于历史观测数据预测多个相互关联变量的未来值。尽管现有模型在捕捉复杂的时空多尺度依赖关系以及同时建模期内和跨期变化方面常常面临困难，从而限制了其预测精度。为解决这些局限性，我们提出了一种新型预测模型MTSPnet。该模型采用二维（2D）时空多尺度拼贴策略，将一维（1D）时间序列数据转换为不同时间段内的二维多尺度Patch。此外，MTSPnet集成了两个互补模块：交互式多层感知器（MLPmix）模块和动态深度可分离卷积（DDSC）模块。这些模块使MTSPnet能够高效提取局部和全局时空特征，进一步增强其建模多尺度依赖关系和周期性变化的能力。在七个真实数据集上的实验评估表明，MTSPnet在长期预测中表现出优越性能，证明了其作为准确时间序列预测的稳健且高效解决方案的有效性。
Keyword:
2D multi-scale patch
dynamic depthwise separated convolution
forecasting
interactive multi-layer perceptron
multivariate times series
期刊
IF:
2.3
论文数:
2.5K
被引数:
3.8K
机构
引用论文
Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示
OAAI
OAAI分享收藏分享收藏Multi-Horizon Time Series Forecasting with Temporal Attention Learning.png)
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
PREAI
分享收藏TCCT: Tightly-coupled convolutional transformer on time series forecastingTCCT: 时间序列预测的紧耦合卷积变换器NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏DTSFormer: Decoupled temporal-spatial diffusion transformer for enhanced long-term time series forecastingDTSFormer: 用于增强长期时间序列预测的解耦时空扩散变换器
PREAI
分享收藏Temporal Fusion Transformers for interpretable multi-horizon time series forecasting用于可解释的多水平时间序列预测的时间融合变换器OAAI
OAAI分享收藏MDCNet: Long-term time series forecasting with mode decomposition and 2D convolutionMDCNet: 具有模式分解和2D卷积的长期时间序列预测
PREAI
分享收藏
查看更多内容