只用全连接，也能搭建SOTA时间序列预测模型？

‍微信公众号“圆圆的算法笔记”，持续更新NLP、CV、搜推广干货笔记和业内前沿工作解读~

后台回复“交流”加入“圆圆的算法笔记”交流群；回复“时间序列“、”多模态“、”迁移学习“、”NLP“、”图学习“等获取各个领域干货算法笔记~

时间序列预测的主流模型结构一直以来被RNN、CNN、Transformer三大模型主体主导。而Nbeats的出现，让纯全连接的模型结构在时间序列预测问题上也能取得非常好的效果。这篇文章梳理了Nbeats系列工作，从最基础的Nbeats版本，到可以引入外部变量的Nbeats版本，再到能够处理时空预测的Nbeats版本。

推荐阅读：

12篇顶会论文，深度学习时间序列预测经典方案汇总

Spatial-Temporal时间序列预测建模方法汇总

层次时间序列预测指南

如何建模时间序列的不确定性？

如何搭建适合时间序列预测的Transformer模型？

1. 基础版本Nbeats

论文题目：N-BEATS: NEURAL BASIS EXPANSION ANALYSIS FOR INTERPRETABLE TIME SERIES FORECASTING

下载地址：https://arxiv.org/pdf/1905.10437.pdf

Nbeats是Element AI发表于ICLR 2020的一篇工作，目前引用量200多万，在时间序列预测这个领域还是比较有影响力的。Nbea