SparseTSF: 1k 파라미터로 장기 시간 시리즈 예측 모델링

이 논문은 장기 시계열 예측(Long-term Time Series Forecasting, LTSF)을 위한 새로운 초경량 모델인 SparseTSF를 소개한다. SparseTSF는 제한된 계산 자원으로도 장기간에 걸친 복잡한 시계열 의존성을 효과적으로 모델링하는 데 초점을 맞추어 설계되었다. SparseTSF의 핵심은 '크로스-퍼리어 스파스 예측(Cross-Period Sparse Forecasting)' 기술에 있다. 이 기술은 시계열 데이터의 주기성과 추세를 분리함으로써 예측 과제를 단순화한다. 구체적으로, 원본 시계열을 다운샘플링하여 주기 간 추세 예측에 집중함으로써, 주기적 특징을 효과적으로 추출하면서도 모델의 복잡성과 파라미터 수를 최소화한다. 이러한 기술을 기반으로, SparseTSF는 1,000개 미만의 파라미터로 최신 기술 대비 경쟁력 있거나 더 우수한 성능을 달성한다. 또한 SparseTSF는 뛰어난 일반화 능력을 보이며, 계산 자원이 제한적이고, 데이터 샘플이 적거나 품질이 낮은 환경에서도 적합한 모델로 평가된다. 코드는 공개되어 있으며, 다음 리포지토리에서 확인할 수 있다: https://github.com/lss-1138/SparseTSF.