论文解读:N-BEATS: NEURAL BASIS EXPANSION ANALYSIS FOR INTERPRETABLE TIME SERIES FORECASTING
这篇论文是Bengio团队最新的Paper,将纯深度学习技术应用于时间序列预测,并在测试数据集上取得了比传统的时间序列分析方法还要好的效果。
问题描述
论文的科学问题可以表述为:给定一个时间序列x, x = { x i ∣ i = 1 , 2 , … , T } \mathbf{x}=\left\{x_{i} \mid i=1,2, \ldots, T\right\} x={xi∣i=1,2,…,T}该研究的目标是如何利用1-T时刻的历史数据,预测未来时刻的时间序列。
模型结构图
实验
- 根据不同的g(*)函数,论文提出了三种变体,N-BEATS-G, N-BEATS-I, N-BEATS-I+G,并在5个公开数据集上测试了该模型的性能。
复现结果
M3 dataset (others, 174, sMAPE):
MODEL | 论文的结果 | 复现的结果 |
---|---|---|
N-BEATS-I | 4.300 | 4.059 |
M4 dataset (others, 5000, sMAPE):
MODEL | 论文的结果 | 复现的结果 |
---|---|---|
N-BEATS-I | 3.684 | 3.384 |
Tourism dataset (427, sMAPE):
MODEL | 论文的结果 | 复现的结果 |
---|---|---|
N-BEATS-G | 14.71 | 12.38 |
Electricity dataset (370, ND):
MODEL | 论文的结果 | 复现的结果 |
---|---|---|
N-BEATS-G | 0.171 | 0.198 |
Traffic dataset (962, ND):
MODEL | 论文的结果 | 复现的结果 |
---|---|---|
N-BEATS-G+I | 0.111 | 0.111 |
参考文献
1 https://zhuanlan.zhihu.com/p/136259759
2 https://openreview.net/pdf?id=r1ecqn4YwB
3 https://github.com/philipperemy/n-beats