深度时间序列预测和基础模型的研究进展

文章预览

本文 约9400字 ，建议阅读 10+ 分钟 本文综述了深度学习在时间序列预测中的应用，特别是在流行病预测领域。 1 介绍 本文综述了深度学习在时间序列预测中的应用，特别是在流行病预测领域。尽管深度学习在时间序列预测中表现出显著优势，但仍面临挑战，如时间序列不够长、无法利用积累的科学知识以及模型的解释性。 基础模型的发展允许模型在大量训练数据可用之前理解模式并获取可用于新相关问题的知识。深度学习模型可以利用的大量知识包括知识图和经过科学领域知识微调的大型语言模型。正在进行的研究正在探讨如何利用或向深度学习模型注入这些知识。本文还讨论了统计、机器学习和深度学习技术在流行病预测中的应用，以及如何利用知识提高预测准确性和检查预测的合理性。 图1 处于活跃疫情期间的每日死亡人数（注意每周报告 ………………………………