KDD 2025 | DUET：双向聚类增强的多变量时间序列预测

文章预览

多变量时间序列预测（MTSF）在金融投资、能源管理、天气预测和交通优化等领域具有重要应用。然而，现实中的时间序列通常面临两大挑战： 时间模式的异质性，即由于外部因素的影响，真实时间序列往往表现出非平稳性（Temporal Distribution Shift, TDS），导致其分布和模式发生显著变化； 通道间的复杂关系，即不同通道（变量）之间通常存在复杂且交错的相关性，包括显著相关的通道、噪声通道以及无关通道，这种复杂性使得精准建模变得尤为困难。 近日，来自华东师范大学和丹麦奥尔堡大学的科研人员合作，创新性地提出了一种基于时间和通道双向聚类架构的时间序列预测模型 DUET。研究团队在最新时间序列预测基准评测  TFB  的25个数据集上进行了广泛验证，证明了 DUET 的卓越性能，为各行业的时间序列预测任务提供了全新的解决方案。 【论 ………………………………