الاهتمام بنمط الزمن لتنبؤات السلاسل الزمنية متعددة المتغيرات

تنبؤ البيانات المتعددة المتغيرات للسلسلة الزمنية، مثل تنبؤ استهلاك الكهرباء وإنتاج الطاقة الشمسية والقطع الموسيقية متعددة الأصوات للكمان، له العديد من التطبيقات القيمة. ومع ذلك، فإن التعقيدات والعلاقات غير الخطية بين خطوات الوقت والسلسلة الزمنية تجعل المهمة صعبة. لتحقيق التنبؤ الدقيق، من الضروري نمذجة الارتباط طويل الأمد في بيانات السلسلة الزمنية، وهو ما يمكن تحقيقه بدرجة كبيرة باستخدام الشبكات العصبية المتكررة (RNN) مع آلية الانتباه. الآلية النموذجية للانتباه تقوم بمراجعة المعلومات في كل خطوة زمنية سابقة واختيار المعلومات ذات الصلة لمساعدة في إنشاء المخرجات، لكنها لا تنجح في التقاط الأنماط الزمنية عبر عدة خطوات زمنية. في هذا البحث، نقترح استخدام مجموعة من المرشحات لاستخراج الأنماط الزمنية الثابتة بمرور الوقت، وهي طريقة مشابهة لتحويل بيانات السلسلة الزمنية إلى مجالها "الترددي" (frequency domain). ثم اقترحنا آلية انتباه جديدة لاختيار السلاسل الزمنية ذات الصلة واستخدام معلوماتها "الترددية" (frequency domain) للتنبؤ. قمنا بتطبيق النموذج المقترح على عدة مهام حقيقية وحققنا أفضل الأداء فيها جميعًا باستثناء واحدة.