본 논문은 1차원 시계열 데이터의 복잡한 시간적 변동성과 급격한 변화를 효과적으로 다루기 위해 2차원으로 변환하는 새로운 시계열 예측 모델인 Times2D를 제안합니다. Times2D는 주기적 분해 블록(PDB), 1차 및 2차 도함수 히트맵(FSDH), 그리고 집계 예측 블록(AFB)의 세 부분으로 구성됩니다. PDB는 주파수 영역에서 시계열을 2차원 텐서로 변환하여 주기 내 및 주기 간의 시간적 변동성을 포착하고, FSDH는 급격한 변화와 전환점을 포착합니다. AFB는 PDB와 FSDH의 출력 텐서를 통합하여 정확한 예측을 수행합니다. 2차원 변환을 통해 2차원 합성곱 연산을 활용하여 시계열의 장기 및 단기 특징을 효과적으로 포착할 수 있습니다. 대규모 데이터셋에 대한 실험 결과, Times2D는 단기 및 장기 예측 모두에서 최첨단 성능을 달성함을 보여줍니다. 소스 코드는 깃허브 저장소에서 공개됩니다.
