Zukünftiges Multipredictor-Mixing

Future Multipredictor Mixing (FMM) ist eine Modellkomponente für die Zeitreihenprognose, die Teil der TimeMixer-Architektur ist. Das TimeMixer-Modell wurde von Shiyu Wang, Haixu Wu und anderen in der Arbeit „TimeMixer: Zerlegbares Multiskalen-Mischen für die Zeitreihenprognose" wurde im "FMM ist darauf ausgelegt, die Informationen aus Zeitreihen mit mehreren Maßstäben voll auszunutzen, um die Genauigkeit und Effizienz der Vorhersage zu verbessern.

Zu den Hauptfunktionen von FMM gehören:

1. Multiskalenintegration: FMM integriert mehrere Prädiktoren basierend auf vergangenen Informationen in unterschiedlichen Maßstäben, um die Vorhersagefähigkeiten von Zeitreihen in unterschiedlichen Maßstäben zu verschmelzen und genauere Vorhersageergebnisse für die Zukunft zu liefern266.
2. Ergänzung der Prognosefunktionen: Sequenzen unterschiedlicher Größenordnung weisen unterschiedliche dominante Änderungen auf, sodass ihre Vorhersagen auch unterschiedliche Fähigkeiten aufweisen. FMM integriert diese komplementären Prognosefunktionen durch die Aggregation von Prognosen auf unterschiedlichen Skalen266.
3. Flexible Vorhersagelänge: FMM kann sich an unterschiedliche Prognoselängen anpassen, von kurzfristigen bis zu langfristigen Prognosen, indem es die Anzahl und Konfiguration der Ensemble-Prädiktoren anpasst, um die Leistung zu optimieren266.
4. Zusammenarbeit mit PDM: FMM arbeitet in Verbindung mit dem Modul Past Decomposable Mixing (PDM), wobei PDM für die Zerlegung und Mischung saisonaler und Trendkomponenten auf verschiedenen Skalen verantwortlich ist, während FMM für die Integration der endgültigen Prognose verantwortlich ist267.
5. Effiziente Laufzeitleistung：Die Gesamtarchitektur von TimeMixer basiert auf vollständigem MLP (Multi-Layer Perceptron), und FMM als Teil davon hilft dem Modell, eine effiziente Laufzeitleistung bei gleichzeitig hoher Genauigkeit zu erreichen267.
6. Vielfältige Anwendungsszenarien: Als Teil von TimeMixer ist FMM auf verschiedene Szenarien anwendbar, die eine Zeitreihenvorhersage erfordern, wie etwa Energiebedarfsprognosen, Finanzmarktanalysen, Verkehrsflussmanagement usw.257.

Die Einführung von FMM hat dem Bereich der Zeitreihenprognose eine neue Perspektive und Methode gebracht. Durch die Integration der Multiskalenintegration und ergänzender Prognosefunktionen wurden die Prognoseleistung und der Anwendungsbereich des Modells verbessert.