DUET: Dual Clustering Enhanced Multivariate Time Series Forecasting

要約

多変量時系列予測は、金融投資、エネルギー管理、天気予報、交通の最適化などのさまざまなアプリケーションにとって重要です。
ただし、正確な予測は 2 つの主な要因により困難です。
まず、現実世界の時系列は、時間の経過に伴う分布の変化によって引き起こされる不均一な時間パターンを示すことがよくあります。
第 2 に、チャネル間の相関関係は複雑で絡み合っているため、チャネル間の相互作用を正確かつ柔軟にモデル化することが困難です。
この研究では、多変量時系列予測を強化するために時間次元とチャネル次元でデュアル クラスタリングを導入する DUET と呼ばれる一般的なフレームワークを提案することで、これらの課題に対処します。
まず、時系列を粒度の細かい分布にクラスタリングして、不均一な時間パターンを処理する時間クラスタリング モジュール (TCM) を設計します。
さまざまな分布クラスターに対して、固有の時間的パターンを捕捉するさまざまなパターン抽出器を設計し、不均一性をモデル化します。
次に、新しいチャネル ソフト クラスタリング戦略を導入し、チャネル クラスタリング モジュール (CCM) を設計します。これは、メトリック学習を通じて周波数領域でチャネル間の関係をキャプチャし、スパース化を適用してノイズの多いチャネルの悪影響を軽減します。
最後に、DUET は TCM と CCM を組み合わせて、時間次元とチャネル次元の両方を組み込みます。
10 のアプリケーション ドメインからの 25 の実世界のデータセットに対する広範な実験により、DUET の最先端のパフォーマンスが実証されました。

要約(オリジナル)

Multivariate time series forecasting is crucial for various applications, such as financial investment, energy management, weather forecasting, and traffic optimization. However, accurate forecasting is challenging due to two main factors. First, real-world time series often show heterogeneous temporal patterns caused by distribution shifts over time. Second, correlations among channels are complex and intertwined, making it hard to model the interactions among channels precisely and flexibly. In this study, we address these challenges by proposing a general framework called DUET, which introduces dual clustering on the temporal and channel dimensions to enhance multivariate time series forecasting. First, we design a Temporal Clustering Module (TCM) that clusters time series into fine-grained distributions to handle heterogeneous temporal patterns. For different distribution clusters, we design various pattern extractors to capture their intrinsic temporal patterns, thus modeling the heterogeneity. Second, we introduce a novel Channel-Soft-Clustering strategy and design a Channel Clustering Module (CCM), which captures the relationships among channels in the frequency domain through metric learning and applies sparsification to mitigate the adverse effects of noisy channels. Finally, DUET combines TCM and CCM to incorporate both the temporal and channel dimensions. Extensive experiments on 25 real-world datasets from 10 application domains, demonstrate the state-of-the-art performance of DUET.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google