论文题目:MCformer: Multivariate Time Series Forecasting with Mixed-Channels Transformer
论文地址:https://arxiv.org/abs/2403.09223
代码地址:暂无
一、简介
在以前的模型中,主要使用通道依赖(CD)策略(其中每个通道代表一个单变量序列)。当前SOTA模型主要依赖于通道独立性(CI)策略。CI策略将所有通道视为单个通道,扩展数据集以提高泛化性能,并避免破坏长期特征的通道间相关性。然而,CI策略面临着信道间相关遗忘的挑战。为了解决这个问题,论文提出了一种创新的混合信道策略,将CI策略的数据扩展优势与抵消信道间相关遗忘的能力相结合。在此基础上,引入了具有混合信道特征的多元时间序列预测模型MCformer。该模型混合了特定数量的通道,在建模长期特征时利用注意机制有效捕获通道间相关信息。
二、方法
A. 问题定义
在在多元时间序列预测任务中,历史观测值表示为X = { x 1 x_1 x1, x 2 x_2 x2,…, x t x_t xt}∈ R t × M R ^{t×M} Rt×M,其中t为时间步长,M为变量个数。根据给定的历史观测值,预测多元观测序列{ x t + 1 x_{t+1} xt+1,