Time-Series Synthesis（时间序列合成）

时间序列合成旨在生成与真实序列统计特性相似的人工数据，以缓解数据稀缺、隐私和类别不平衡问题。早期方法基于统计模型如ARIMA，但难以捕捉复杂时序依赖。深度生成模型如GAN、VAE和扩散模型被引入，TimeGAN结合对抗训练和监督损失，同时学习静态和时序特征；TSGAN则针对多变量序列。该技术广泛应用于数据增强、隐私保护、仿真测试等场景，是时序分析领域的重要研究方向。