FreqCycle: 時系列予測のための多スケール時周波数分析手法

概要: 時系列予測において時周波数特徴の抽出は極めて重要です。既存の研究は主に時系列エネルギーが集中する低周波パターンのモデリングに注力してきましたが、中〜高周波成分の見落としがディープラーニングモデルでのさらなる性能向上を制限しています。本研究では、(i) 時間領域で共有された周期パターンを明示的に学習することで低周波特徴を抽出するフィルター強化サイクル予測（FECF）モジュールと、(ii) 学習可能なフィルターと適応的重み付けにより中〜高周波エネルギー割合を向上させるセグメント周波数ドメインパターン学習（SFPL）モジュールを統合した新規フレームワークFreqCycleを提案します。さらに、時系列データは週次と日次などが絡み合う多周期結合を示すことが多いため、多周期結合および長いルックバックウィンドウの課題に対応するため、FreqCycleを階層的に拡張し、スケール間相互作用により入れ子状周期特徴を分離するMFreqCycleを開発しました。7つの多様なドメインベンチマークにおける大規模実験により、FreqCycleは最先端の精度を保持しつつ高速な推論速度も維持し、性能と効率の最適なバランスを実現していることが実証されました。