خلط التنبؤات المتعددة للمستقبل
Future Multipredictor Mixing (FMM) هو أحد مكونات النموذج للتنبؤ بالسلاسل الزمنية، وهو جزء من بنية TimeMixer. تم اقتراح نموذج TimeMixer بواسطة Shiyu Wang وHaixu Wu وآخرين في الورقة البحثية "TimeMixer: خلط متعدد المقاييس قابل للتحلل للتنبؤ بالسلاسل الزمنيةتم اقتراح "FMM" في "FMM مصمم للاستفادة الكاملة من معلومات السلاسل الزمنية متعددة المقاييس لتحسين دقة وكفاءة التنبؤ.
تتضمن الميزات الرئيسية لـ FMM ما يلي:
- التكامل متعدد المقاييس:يدمج FMM متنبئين متعددين استنادًا إلى معلومات سابقة بمقاييس مختلفة لدمج قدرات التنبؤ بالسلسلة الزمنية بمقاييس مختلفة وتوفير نتائج تنبؤ مستقبلية أكثر دقة266.
- استكمال قدرات التنبؤ:تُظهِر تسلسلات المقاييس المختلفة تغيرات مهيمنة مختلفة، وبالتالي تُظهِر تنبؤاتها أيضًا قدرات مختلفة. يقوم FMM بدمج قدرات التنبؤ التكميلية هذه من خلال تجميع التوقعات على مقاييس مختلفة266.
- طول التنبؤ المرن:يمكن لـ FMM التكيف مع أطوال التنبؤ المختلفة، من التنبؤات قصيرة الأجل إلى التنبؤات طويلة الأجل، عن طريق ضبط عدد وتكوين المتنبئين الجماعيين لتحسين الأداء266.
- التعاون مع PDM:يعمل FMM بالاشتراك مع وحدة الخلط القابل للتحلل الماضي (PDM)، حيث تكون وحدة PDM مسؤولة عن تحلل وخلط المكونات الموسمية والاتجاهية على نطاقات مختلفة، بينما تكون وحدة FMM مسؤولة عن دمج التوقعات النهائية267.
- أداء وقت التشغيل الفعاليعتمد الهيكل العام لـ TimeMixer على MLP الكامل (متعدد الطبقات Perceptron)، ويساعد FMM كجزء منه النموذج على تحقيق أداء وقت تشغيل فعال مع الحفاظ على دقة عالية267.
- مجموعة واسعة من سيناريوهات التطبيق:كجزء من TimeMixer، يمكن تطبيق FMM على سيناريوهات مختلفة تتطلب التنبؤ بالسلسلة الزمنية، مثل التنبؤ بالطلب على الطاقة، وتحليل السوق المالية، وإدارة تدفق حركة المرور، وما إلى ذلك.257.
لقد أدى تقديم FMM إلى جلب منظور وطريقة جديدة إلى مجال التنبؤ بالسلاسل الزمنية. من خلال دمج التكامل متعدد المقاييس وقدرات التنبؤ التكميلية، تم تحسين أداء التنبؤ ونطاق تطبيق النموذج.