SparseTSF：1kパラメータによる長期時系列予測のモデル化

本論文では、長期時系列予測（LTSF）向けに設計された新規で極めて軽量なモデルであるSparseTSFを紹介する。このモデルは、長期間にわたる複雑な時系列依存関係を最小限の計算リソースでモデル化するという課題に応えることを目的としている。SparseTSFの核となるのは「クロス・ペリオド・スパース予測（Cross-Period Sparse Forecasting）」という技術であり、時系列データにおける周期性とトレンドを分離することで、予測タスクを簡素化する。この技術は、元の時系列をダウンサンプリングし、周期間のトレンド予測に焦点を当てるもので、周期性の特徴を効果的に抽出しつつ、モデルの複雑さとパラメータ数を最小限に抑える。この技術に基づき、SparseTSFは1,000個未満のパラメータで、最先端モデルと比較して同等あるいは優れた性能を達成している。さらに、SparseTSFは優れた汎化能力を示しており、計算リソースが限られている環境や、サンプル数が少ない、あるいはデータ品質が低いといった状況においても適している。コードは公開されており、以下のリポジトリから入手可能である：https://github.com/lss-1138/SparseTSF。