AROpt: An Optimization Method for Autoregressive Time Series Forecasting

Created by

Haebom

저자

Zheng Li, Jerry Cheng, Huanying Gu

💡 개요

본 논문은 기존 시계열 예측 모델의 장기 예측이 모델 크기 확장에 의존하는 한계를 지적하며, 진정한 자기회귀적(AR) 롤아웃 방식을 개선하는 새로운 훈련 방법론인 AROpt를 제안합니다. AROpt는 예측 오류가 예측 시점의 길이와 함께 증가하는 경향을 학습하고, 이러한 경향 위반 시 부드럽게 페널티를 부과하며, 단기 예측을 효과적으로 연결하여 유연한 장기 예측을 가능하게 합니다. 실험 결과, AROpt는 기존 최신 모델 대비 10% 이상의 MSE 감소를 달성하며 여러 벤치마크에서 새로운 최고 성능을 기록했습니다.

🔑 시사점 및 한계

•

자기회귀적 예측 오류 증가 경향을 명시적으로 학습함으로써 모델의 롤아웃 일관성을 개선하고 장기 예측 성능을 향상시킬 수 있습니다.

•

단기 예측을 효율적으로 조합하는 메커니즘을 통해 기존 모델 대비 훨씬 긴 시점의 예측을 안정적으로 수행할 수 있는 가능성을 보여줍니다.

•

제안된 방법론이 다양한 시계열 데이터셋에 걸쳐 효과적임을 입증하였으나, 복잡하거나 불규칙적인 패턴을 가진 시계열에서의 성능은 추가 검증이 필요할 수 있습니다.

PDF 보기

Made with Slashpage