未来多预测器混合 Future Multipredictor Mixing

未来多预测器混合（Future Multipredictor Mixing，缩写为 FMM）是一种用于时间序列预测的模型组件，它是 TimeMixer 架构的一部分。 TimeMixer 模型由 Shiyu Wang 、 Haixu Wu 等人于论文「TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting」中提出。 FMM 的设计目的是充分利用多尺度时间序列信息，以提高预测的准确性和效率。

FMM 的主要特点包括：

1. 多尺度集成：FMM 集成了基于不同尺度过去信息的多个预测器，以融合不同尺度的时间序列预测能力，提供更精确的未来预测结果 266 。
2. 补充预测能力：不同尺度的序列表现出不同的主导变化，因此它们的预测也呈现出不同的能力。 FMM 通过集合不同尺度的预测，整合了这些补充的预测能力 266 。
3. 灵活的预测长度：FMM 能够适应不同的预测长度，从短期到长期预测，通过调整集成的预测器数量和配置来优化性能 266 。
4. 与 PDM 的协同：FMM 与 Past Decomposable Mixing (PDM) 模块协同工作，PDM 负责在不同尺度上分解和混合季节性和趋势成分，而 FMM 则负责集成最终的预测 267 。
5. 高效的运行时性能：TimeMixer 整体架构基于全 MLP（多层感知机），FMM 作为其中的一部分，有助于模型在保持高精度的同时，实现高效的运行时性能 267 。
6. 广泛的应用场景：FMM 作为 TimeMixer 的一部分，适用于各种需要时间序列预测的场景，如能源需求预测、金融市场分析、交通流量管理等 257 。

FMM 的提出，为时间序列预测领域带来了一种新的视角和方法，通过多尺度集成和补充预测能力的整合，提高了模型的预测性能和应用范围。