基于TimesNet的时间序列预测算法研究综述

张 永佳
武汉东湖学院电子信息工程学院

摘要


本文简单介绍了TimesNet模型。该模型将一维时间序列转换为二维张量，通过二维卷积捕捉多周期时空特
征。并通过对序列进行FFT提取显著周期，按周期长度重塑为2D矩阵。以周期强度为权重融合不同周期尺度的时空
特征。通过实验证明TimesNet在五个主流时间序列分析任务中都实现了一致的先进水平。

关键词


时间序列预测；深度学习；TimesNet

全文:

PDF


参考


[1]Wu H, Hu T, Liu Y, et al. Timesnet: Temporal 2dvariation modeling for general time series analysis[J]. arXiv

preprint arXiv:2210.02186, 2022.

[2]高鹏.基于深度学习的大跨轨道悬索桥吊杆损伤

识别方法研究[D].重庆：重庆交通大学，2020.

[3]戴爱虎.基于Transformer的物联网环境监控及预

测系统[D].湖北大学，2023.

[4]耿然，申文.基于长短期记忆神经网络的电量需

求预测模型设计[J].电子技术，2024（7）.

[5]陈宇聪，白晓清.考虑时序二维变化的日前市场

电价预测模型[J].电力系统及其自动化学报，2024，36

（7）：22-29.


Refbacks

  • 当前没有refback。