TFDNet: Time-Frequency Enhanced Decomposed Network for Long-term Time Series Forecasting

要約

長期時系列予測は重要なタスクであり、実際の用途は多岐にわたります。
最近の方法は、1 つの単一ドメイン (時間ドメインや周波数ドメインなど) から基礎となるパターンをキャプチャすることに焦点を当てており、時間-周波数ドメインから長期の時系列を処理するための全体的な視野は取っていません。
この論文では、長期の基礎となるパターンと時間周波数領域から時間周期性の両方を捕捉するための時間周波数拡張分解ネットワーク (TFDNet) を提案します。
TFDNet では、マルチスケールの時間周波数強化エンコーダー バックボーンを考案し、2 つの個別のトレンドおよび季節時間周波数ブロックを開発して、マルチ解像度で分解されたトレンド成分と季節成分内の明確なパターンを捕捉します。
多変量時系列の潜在的な異なるチャネルごとの相関パターンを調査し組み込むことにより、時間周波数ブロックでのカーネル操作の多様なカーネル学習戦略が検討されてきました。
5 つのベンチマーク ドメインからの 8 つのデータセットの実験評価により、TFDNet が有効性と効率の両方において最先端のアプローチよりも優れていることが実証されました。

要約(オリジナル)

Long-term time series forecasting is a vital task and has a wide range of real applications. Recent methods focus on capturing the underlying patterns from one single domain (e.g. the time domain or the frequency domain), and have not taken a holistic view to process long-term time series from the time-frequency domains. In this paper, we propose a Time-Frequency Enhanced Decomposed Network (TFDNet) to capture both the long-term underlying patterns and temporal periodicity from the time-frequency domain. In TFDNet, we devise a multi-scale time-frequency enhanced encoder backbone and develop two separate trend and seasonal time-frequency blocks to capture the distinct patterns within the decomposed trend and seasonal components in multi-resolutions. Diverse kernel learning strategies of the kernel operations in time-frequency blocks have been explored, by investigating and incorporating the potential different channel-wise correlation patterns of multivariate time series. Experimental evaluation of eight datasets from five benchmark domains demonstrated that TFDNet is superior to state-of-the-art approaches in both effectiveness and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google