TimeAPN: 時間系列予測のための適応的振幅-位相非定常性正規化

要旨: 非定常性は、多変量の長期時系列予測における根本的な課題であり、しばしば振幅と位相の急激な変化として現れます。これらの変動は厳しい分布シフトを引き起こし、その結果予測性能を低下させます。
既存の正規化ベースの手法は主に一次および二次の統計量に依存しており、分布が滑らかに進化すると暗黙に仮定し、微細な時系列ダイナミクスを見落としています。
これらの制限に対処するために、TimeAPN を提案します。これは時間領域と周波数領域の両方から非定常要因を明示的にモデル化し予測する適応振幅-位相非定常正規化フレームワークです。
具体的には、TimeAPN はまず時間領域と周波数領域の平均系列を共同でモデル化し、次に将来の予測区間にわたるその変化を予測します。
一方、位相情報は周波数領域で抽出され、予測された未来系列と真値の未来系列との位相ずれを明示的にモデル化して、時間的ずれを捉えます。
さらに、TimeAPN は振幅情報を適応正規化機構に組み込み、信号エネルギーの急激な変動を効果的に考慮できるようにします。
予測された非定常要因はその後、協調的デノーマライゼーションプロセスを通じてバックボーン予測出力と統合され、最終的な非定常時系列を再構成します。
提案されたフレームワークはモデルに依存せず、さまざまな予測バックボーンとシームレスに統合できます。
実世界の7つの多変量データセットを対象とした広範な実験により、TimeAPN は複数の予測区間にわたって長期予測精度を一貫して改善し、最先端の可逆正規化手法を上回ることを示しています。