时序论文30｜NIPS24一篇对时间戳深入研究的文章

论文标题：Frequency Adaptive Normalization For Non-stationary Time Series Forecasting

论文链接：https://arxiv.org/pdf/2409.18696

代码链接：https://github.com/ForestsKing/GLAFF

前言

这篇论文提出了一个新框架GLAFF，关注的重点是时序中的时间戳。

时间序列预测在诸多行业都有着关键作用，时间戳因含丰富季节性信息本可提供全局指导，但现有相关工作多聚焦局部观测，未充分利用时间戳，致使在现实世界数据受污染时，算法的稳健预测能力受影响。为此，作者提出名为GLAFF的新框架，它会对时间戳单独建模以捕捉全局依赖，并且能作为插件自适应调整全局和局部信息的组合权重，实现与各类时间序列预测主干网络的无缝协作。通过在九个真实世界数据集开展大量实验，证实GLAFF可显著提升主流预测模型平均性能达12.5%，还超越此前最先进方法5.5%。

本文工作

01 为什么时间戳重要

一句话概括就是：从现实世界收集的时间序列数据常常会受到污染，以旧金山湾区高速公路每小时交通流量为例（图  (b)），正常序列呈现明显周期模式，工作日有五个高峰、周末有两个低峰，但因节假日影响，某一周出现了偏差，变成三个高峰和四个低