阿里提出时序预测新模型 论文入选顶会ICML2022
source link: https://www.51cto.com/article/713800.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
阿里提出时序预测新模型 论文入选顶会ICML2022-51CTO.COM
给定一段时期的历史数据，AI能否准确预测天气变化、电网负荷需求、交通拥堵状况？这是个时序预测问题。阿里巴巴达摩院近期提出一种长时序预测的新模型FEDformer，精准度比业界最优方法提升14.8%以上，模型已应用于电网负荷预测。相关论文已被机器学习顶会ICML2022收录。
ICML是机器学习领域的顶级学术会议，2022年度会议将于本周日（7月17日）开幕。达摩院决策智能实验室的论文《FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting》关注了机器学习领域的经典问题：时序预测。
时间序列预测（Time Series Forecasting），通俗理解就是利用历史数据预测未来信息。预测可分为短期、中期和长期预测，需要预测的时间窗口越长，预测难度就越大。这项技术在气象、电力、零售、交通等诸多行业有广泛应用。
传统的时序预测模型一般采用LSTM、CNN等方法，精准度和使用场景都较为有限，无力处理大规模数据。近些年来，研究人员开始将transformer模型引入长时序预测，但效果仍不够理想，简单地说该模型核心中的注意力机制模块对时序数据不够敏感。
达摩院提出的长时序预测模型FEDformer，融合transformer和经典信号处理方法。比如，利用傅立叶/小波变换将时域信息拆解为频域信息，让transformer更好地学习长时序中的依赖关系。FEDformer也能排除干扰，具有更好的鲁棒性。其中专门设计了周期趋势项分解模块，通过多次分解以降低输入输出的波动，进一步提升预测精度。
达摩院FEDformer模型架构
实验证明，达摩院新模型在电力、交通、气象等6个标准数据集上均取得最佳纪录，预测精准度较此前业界最佳模型分别提升14.8%（多变量）和22.6%（单变量）。值得一提的是，该模型已走出实验室，在区域电网完成概念验证，明显提升电网负荷预测准确率。
达摩院FEDformer模型在6个数据集均取得最佳纪录
据了解，达摩院决策智能实验室旨在用数学建模来解决真实世界的复杂问题，其重点研究方向包括时序预测，今年刚在ICASSP'22 AIOps Challenge获得冠军。基于自研的时序预测、优化求解器MindOpt、安全强化学习等底层技术，达摩院打造的绿色能源AI，已逐步落地全国多家电网和发电企业，促进绿色能源消纳和电网安全运行。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK