频率的选择 about time-series-library

[wuhaixu2016]

您好，这个问题很关键，我是这么理解的
（1）目前多变量预测是首先使用一层embeding网络将变量维度C映射为深度特征的通道维度d_{model}，这个过程会使得不同变量之间的信息相互融合，因此在TimesNet中使用fft计算的已经是「融合后特征」的周期性的，这个周期性已经隐式包含了不同变量的信息。同时TimesNet中还使用了多周期性的设计，用于覆盖不同长度的周期。因此，我觉得目前的设计是可以比较好的覆盖多元时间序列不同频率的。不过，目前这种平均的设计也是trade-off performance and efficiency之后的结果，如果做更加细粒度的建模是会得到更好的结果的。
（2）最近也有很多文章探索了variate-independent的设计，例如Dlinear、PatchTST，不过他们也都是将模型在不同变量间share。总体来看，目前多元时间序列预测上，不同变量的差异性目前探索还比较初步。