使用 TiDE 进行时间序列预测

文章预览

今天云朵君和大家一起学习一种新颖的时间序列预测模型 - TiDE(Time-series Dense Encoder)。 时间序列预测一直是数据科学领域的一个热门研究课题，广泛应用于能源、金融、交通等诸多行业。传统的统计模型如ARIMA、GARCH等因其简单高效而被广泛使用。而近年来，随着深度学习的兴起，基于神经网络的预测模型也备受关注，表现出了强大的预测能力。 其中，Transformer模型因其出色的捕捉长期依赖关系的能力，一度被认为是解决时间序列预测问题的利器。但最新研究发现，这些基于Transformer的模型在长期预测任务中，性能并不如人意，反而被一些简单的线性模型超越。 有鉴于此，谷歌的研究团队在2023年提出了TiDE模型。该模型摒弃了Transformer的复杂结构，转而采用了多层感知器(MLP)的编码器-解码器架构。虽然设计简洁，但TiDE能有效捕捉时间序列的非线性依 ………………………………