用于多变量时间序列预测的时频并行与信道自适应门控技术 何欣、何振文

《Applied Sciences》：Time–Frequency Parallel and Channel-Adaptive Gating for Multivariate Time Series Prediction Xin He and Zhenwen He

　　

摘要

在现实世界的场景中，多变量时间序列数据通常同时呈现出多种复杂的特征，包括长期趋势、多重季节性、突发事件干扰和随机噪声。由于不同变量在维度、周期性稳定性等方面存在显著差异，以及这些周期性特征随时间的逐渐演变，模型在处理非平稳性、多尺度动态变化和变量异构融合时面临诸多挑战。为了解决这些问题，本文提出了一种时频并行融合框架——TFDG-Net（时频双分支门控融合网络）。该框架并行地对频率域的先验信息和时间域的时间查询网络进行建模，并引入了通道级门控机制，以实现数据逆归一化后的更灵活的自适应融合。这种设计使模型能够在原始物理尺度上协同工作，不仅提高了周期性稳定变量的长期预测能力，还有效抑制了噪声和事件驱动因素的干扰，从而显著提升了预测精度和训练过程的鲁棒性。在涵盖能源和金融等多个领域的多项长期预测基准测试中，与各种主流模型相比，TFDG-Net分别将均方误差和平均绝对误差平均降低了12.0%和7.8%。