基于多尺度卷积自注意力的多维时间序列预测

摘要：

现有的多维时间序列(mutivariate time series,MTS)预测模型大多关注序列变量间的时空依赖关系,没有考虑MTS各变量上取值的典型变化趋势,即局部上下文模式(local context pattern,LCP).为此设计一种基于因果卷积自注意力和图卷积网络的MTS预测模型,通过多通道多尺度因果卷积提取MTS各变量的多尺度LCP特征,采用多头自注意力机制捕获多尺度LCP间的时序依赖关系,由图卷积网络提取多尺度LCP时序特征之间的空间依赖关系.在4个公开MTS数据集上的结果表明了该预测方法预测性能的优越性.

关键词：多维时间序列、预测、局部上下文、多通道因果卷积、图卷积网络、多头自注意力、多尺度卷积

所属期刊栏目：44

分类号：TP273(自动化技术及设备)

资助基金：中央高校基本科研业务费项目3122019190

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1250-1258