Autoformer 架构之序列分解模块（Series Decomp）的实现

序列分解模块（Series Decomp）的实现

序列分解模块在 Autoformer 中用于将时间序列分解为趋势和季节性部分。以下是这一模块的具体实现步骤和原理：

分解原理

时间序列的分解通常包括将其分解为以下几个部分：

1. 趋势（Trend）：表示时间序列的长期方向性变化。
2. 季节性（Seasonality）：表示时间序列的周期性波动。
3. 残差（Residual）：表示时间序列中不规则或噪音部分。

这些部分可以通过多种方法进行分解，常见的方法包括移动平均法和傅里叶变换等。

实现步骤

1. 趋势提取：

   • 使用移动平均或低通滤波器来提取时间序列的趋势部分。
   • 趋势部分通常表示为一个平滑的曲线，反映数据的长期变化方向。

2. 季节性提取：

   • 使用傅里叶变换或其他周期性分解方法来提取季节性成分。
   • 季节性成分反映数据中重复的周期性波动。

3. 残差计算：

   • 残差部分通过从原始时间序列中减去趋势和季节性成分得到。
   • 残差部分包含了数据中无法通过趋势和季节性成分解释的变化。

具体实现

趋势提取

使用移动平均法来提取趋势部分，具体步骤如下：

1. 选择一个窗口大小$W$，例如 12（表示月度数据中的一年）。
2. 计算移动平均：
   $$T_t=\frac{1}{W}\sum _{i=0}^{W-1}{X}_{t-i}$$
   其中