时间序列大模型

时间序列大模型概述

时间序列大模型是当前研究的热点，它们在多个领域展现出强大的应用潜力。以下是对时间序列大模型的简要介绍：

1. 统一模型：哈佛和MIT联合发表的研究构建了一个统一的时间序列模型，该模型在38种不同的时间序列任务中，有27个都取得了最优效果1。
2. 基础模型：研究者调查了时间序列分析的基础模型，包括从头开始预训练的基础模型和为时间序列任务重新定位的大型语言基础模型2。
3. LLM4TS与PFM4TS：时间序列数据的大模型包括利用大型语言模型（LLM）和概率因子机（PFM）解决时间序列任务的模型3。
4. MOIRAI：研究者提出了基于掩码编码器的通用时间序列预测Transformer（MOIRAI），以处理任意时间序列数据的异构性4。
5. 时间序列分析模型：时间序列分析中常用的三种模型包括季节分解、指数平滑方法和ARIMA模型，这些模型可以结合SPSS软件进行建模5。
6. Timer模型：Timer模型在大量数据集上进行了预训练，并针对特定任务进行了微调，为实际应用场景提供通用解决方案6。
7. 大模型+时间序列：研究思路包括直接利用NLP大模型做时间序列预测，以及训练时间序列领域的大模型，展现了大模型与时间序列结合的潜力7。
8. DeepAR：DeepAR模型通过使用多个分布略有不同的时间序列来构建全局模型，适用于许多现实场景8。
9. 时序时空大模型读书会：聚焦于“时间序列和时空数据大模型综述”，探讨了“大模型+时序/时空数据”的相关进展9。

时间序列大模型通过结合先进的机器学习技术和模型架构，为时间序列分析和预测提供了新的解决方案，正在成为该领域的重要研究方向。