PWDformer模型

预测精度提升近三成

一种可变形局部聚合的Transformer，自适应调整时间聚合窗口并强化频率特征，显著降低长期序列预测误差。

王征 · Haowei, Ran · Jinchang, Ren · 孙美君

Pattern Recognition 2024

参数信息

MSE平均提升
19 %
MAE平均提升
27 %
MSE提升（预测长度96和192）
32.1 %
MAE提升（预测长度96和192）
30.9 %

技术优势

自适应调整时间窗口

可变形局部聚合机制使模型能自适应调整时间聚合窗口大小，从而捕捉更复杂的时间模式，提高预测精度。

强化有效频率特征

引入频率选择模块，强化有效特征并减少噪声，进一步提升预测性能。

增强顺序敏感性

引入位置权重，缓解现有Transformer模型对时间序列顺序不敏感的问题，使预测更合理。

应用场景