【时间序列预测】Are Transformers Effective for Time Series Forecasting?

香港中文大学曾爱玲文章,在长时间序列预测问题上使用线性模型打败基于 Transformer 的模型,并对已有模型的能力进行实验分析(灵魂7问,强烈推荐好好读一下!)。

核心贡献

  • 质疑基于 Transformer 的序列预测模型在长时间序列预测任务(LTSF,long-term time series forecasting) 的有效性
    • 大部分模型无法从长序列中抽取时序信息(实验中预测误差并没有随着历史窗口增大而减少)
    • 大部分模型相对于 baseline(rnn类)的提升是将预测方法从 IMS 替换成 DMS 得到的。
  • 提出只有 one-layer linear model: LTSF-Linear,通过 DMS 方式预测效果超过之前模型。
  • 对已有模型的能力进行实验分析(建模长输入的能力、对时间顺序的敏感性、位置编码、子序列 embdding 影响、模型性能)

核心问题

  • 时间序列预测问题主要形式是:已知前 t 时间的特征,然后预测未来一段时间的结果。如果需要预测的时间很长,被称之为长时间序列预测。
    • IMS iterated multi-step (IMS) forecasting,每次预测一个结果,迭代多次得到对未来一段时间的预测结果(自回归)。结果方差比较小,但是预测过程中误差会累积。
    • DMS direct multistep (DMS) forecasting,一步得到对于未来一段时间的预测结果。常在需要预测未来时间很长或者很难训练无偏单步预测模型时使用。
  • Transformer 前提假设是成对元素之间有语义相关性,self-attention 机制本质是元素置换不变,建模时序关系能力很大程度上取决于与输入标记相关联的位置编码。
    • 时序数据基本上没有点对点的语义相关性,需要模型能提取连续点之间的时序关系。Time Series Transformer 通过位置编码以及序列编码提供部分顺序信息,但是由于置换不变自注意力机制的存在必然存在时序信息丢失问题。

相关工作

Time Series Transformer 框架

  • Time series decomposition 对输入序列进行分解,后续更好预测。
    • Autoformer 在 seasonal-trend decomposition 中通过 moving average 建模 trend 趋势项。
    • FEDformer 通过 MoE 策略将移动平均提取的趋势和各种大小核进行混合。
  • 对输入特征的 emebdding 策略:
    • 原始时间序列的顺序 local positional information
    • 全局时间信息,比如hierarchical timestamps (week, month, year) 和 agnostic timestamps(holidays and events)
    • injecting several embeddings, like a fixed positional encoding, a channel projection embedding, and learnable temporal embeddings into the input sequence.
    • temporal embeddings with a temporal convolution layer or learnable timestamps are introduced
  • self-attention schemes 让 attention 矩阵计算尽可能稀疏
  • Decoders 改进原始 Transformer 的自回归模式。

解决方案

LTSF-Linear

  • 通过一层神经网对过去信息加权得到未来预测结果。
  • 不同变量间共享参数并且不对 spatial correlations 建模

DLinear

  • D 对应 Decomposition scheme,将输入数据分解成 trend 和 remaninder 两部分
    • trend 通过移动平均核得到
    • remaninder 是输入数据减去 trend 结果得到
  • 在数据集有明显趋势性的时候该方法能提升预测效果

NLinear

部分数据集的训练数据和测试数据存在分布偏移(下图中 b),无法使用训练集的均值和方差进行归一化。NLinear 将输入序列每一个值减去该序列最后一个值,然后输入序列过完线性层后加回被减去的值得到最后预测结果。

实验结论

  • Repeat* 指用输入序列最后一个特征做为未来一段时间的预测,模型如果效果比这个查,说明模型错误预测了趋势……
  • NLiner 和 DLinear 的结果比 Linear 好,说明处理分布偏移和分解趋势-周期特征的重要性。
  • FEDformer 相比其他 Transformer 方法好,是因为它采用经典的时间序列分析技术,不太依赖自注意力机制。

定性分析

  • 过去 96 预测未来 336 时,下图 a 和 c,部分 Tranformer 模型根本无法预测未来数据的取值范围和偏差。
  • 在非周期数据(图b,汇率)Tranformer 模型几乎无法预测适当的趋势。

Transformer 类模型进一步分析(灵魂七问)

能否从长序列中提取时序信息?

  • 历史窗口(look-back window) 越长(输入信息越多),预测效果应该越好。
  • 下图 x 轴对应不同历史窗口长度,可以看到随着输入信息变多,LTSF-Linear 方法预测结果越来越准,但是大部分 Transformer 模型 mse 并没有太多变化,作者猜测可能模型过拟合噪音而不能获得时序信息。

能从长序列预测可以学到什么?

  • 历史窗口中的动态时间会显著影响短期预测的精度,而长期预测仅依赖模型是否很好捕捉趋势和周期性。即预测时间跨度越长,历史窗口本身影响越小。
  • 预测未来 720 步,下面两种取历史窗口方法:
    • Close 前 96 步输入
    • Far 前 192 步到 前 97 步输入
  • fedformer 和 autoformer 在两种方法下预测效果几乎相同,说明模型只能从相邻时间序列中捕获到类似的时序信息。

self-attention scheme 是否有效?

  • 对 Informer 结构进行消融实验,下表从左到右网络结构越来越简单,然后效果基本上逐步提升。看起来注意力机制和其他复杂模块在 LTSF 上没有正向效果。
    • Att.-Linear 用 linear layer 替换 self-attention layer
    • Embed+Linear 再去除其他模块

模型可以保留时序信息吗?

  • self-attention 本质上不考虑空间关系(无视元素的位置信息) permutation-invariant,通过 positional and temporal embedding 模型还是丢失时间信息。
  • 三种数据处理方式
    • Shuf 输入数据顺序全部打乱
    • Half-ex 输入数据分成前后两部分,交换这两部分的顺序。
  • 两个实验表明 Transformers 不能很好保留时序信息
    • 在 Exchange 汇率数据集,三个 Tranformer 模型在这三种数据处理方式下,预测结果的 mse 基本上都都接近,可能仅保留有限的时间关系,但是最终过拟合了。Linear 模型自然建模顺序并且使用更少的参数避免过度拟合。
    • 在 ETH1 数据集,FEDformer 建模时考虑时间序列偏差,提出了数据中明显的时间信息,所以在 shuf 组 mse 下降非常快。Informer 根本没有建模这方面信息。

不同 embedding 策略的作用?

  • 依次删除模型中的 Position embedding、global time stamp embedding 和同时删除这两个 temebdding。
  • Informer的预测误差在没有位置嵌入(wo/Pos.)的情况下大幅增加。在没有时间戳嵌入(wo/Temp.)的情况下,随着预测长度的增加,Informer的性能将逐渐受损。
    • 论文中给的原因没有看懂:Informer uses a single time step for each token, it is necessary to introduce temporal information in tokens.
  • Autoformer 和 FEDformer 通过一系列时间戳去编码时间信息,所以删除 pos 后效果可能变得更好。
  • Autoformer 去除时间 embedding 后效果明显变差。
  • FEDformer 通过 frequency-enhanced module 使模型有 temporal inductive bias,删除 pos 和 temp 影响不是很大。

训练数据大小是现在模型的限制因素?

  • 问题:是不是训练数据量太少导致 Transformer 类模型表现差?
  • 在交通数据上用 Ori 17544*0.7 hour 数据和 Short 365*24=8760 hour 数据对比:
    • 基本上是训练数据小的时候,预测误差小。证明训练数据不是限制 Transformer 类模型表现的原因。
    • 导致这种现象的原因可能是 short 对应全年数据,有更清晰的时间特征趋势。

性能真的是长时间预测任务中优先级最高的事情吗?

  • 两个问题:Transformer 模型的推理时间和内存消耗是否增加?现在的 GPU 显存能否满足任务和模型需求。
  • 下图可以看到大部分 Transformer 模型参数量和原始 Tranformer 没有太大区别,但是推理时间可能超过原来……
    • 另外在通过 96 步预测 720 步任务上,原始 Tranformer 的参数 GPU 也放得下……

可解释性

附录中简单写了一些,由于模型是线性模型,不同输入位置的权重可以直接用来解释模型如何生效以及反应特点。

  • 金融数据可以观察到越靠近未来时刻的特征权重越大,代表它们对预测值的贡献更大。
  • 交通数据能观察到明显的周期性。

读后总结

  • 灵魂七问提供了很好设计对比实验的思路
  • 读论文需要更加仔细思考,之前根本没有想过 informer 这种点注意力其实在时间序列预测上的有效性。
  • transformer 在时序预测的应用还是值得进一步思考!

Ref

【时间序列预测】Are Transformers Effective for Time Series Forecasting?

https://blog.xiang578.com/post/are-transformers-effective-for-time-series-forecasting.html

作者

Ryen Xiang

发布于

2023-03-18

更新于

2024-07-21

许可协议


网络回响

评论