论文新方向！TimeMixer：时间序列预测最新模型全面解析与部署！

文章预览

时间序列预测 领域正以前所未有的速度快速发展，众多模型被提出并声称达到了最先进性能水平。 在处理具有众多特征的大型数据集时， 深度学习模型 已成为时间序列预测的常见方法。 尽管近年来如iTransformer、SOFTS和TimesNet等模型层出不穷，但在与其他基准模型（如NHITS、PatchTST和TSMixer）的比较中，它们的性能往往逊色不少。 不过就在 2024年5月， 一款新模型 TimeMixer 横空出世。 据其原论文《TimeMixer：基于MLP架构的时间序列预测中的可分解多尺度混合》所述，该模型通过结合特征混合与序列分解，在MLP架构下生成预测结果。 论文地址：https://arxiv.org/abs/2405.14616 今天我们将带大家深入剖析TimeMixer的内部工作机制，并且会带大家在短期和长期预测任务中自行进行小规模基准测试。 为了让大家能更好的学习，我可以把我学习期间收集的时间序列资 ………………………………