★ 3
arXiv 论文：TSFLab 智能体时间序列预测研究平台
论文指出时间序列预测论文仅约 20% 公开代码，且代码维护成本高，直接使用 Claude Code、Codex 等编码智能体成本高、扩展性差。作者提出 TSFLab，一个自改进、智能体无关的工作台，为兼容编码智能体提供共享资源与工具。实验显示任务完成率提升 20-163%，每任务新消耗 token…
arXiv cs.LG3 小时前
#时间序列预测
共 30 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
SEER：面向时间序列预测的自演化事件推理与检索
论文指出真实时间序列常受外生事件与结构变化驱动，仅依赖历史数值的预测不足，而标准检索增强方法难以应对高噪声与因果推理。作者提出 SEER 闭环框架，将预测误差转化为两种解耦反馈机制：反思式检索记忆与持久因果知识库，并严格约束时间边界以防前视偏差与数据泄漏。在六个高波动时间序列基准上，SEER 持续…
arXiv cs.LG27 天前
★ 2
CASL 选择性迁移学习用于荷兰地下水异常预测
论文研究荷兰多井地下水异常预测中的上下文感知选择性迁移学习（CASL），通过校准训练的凸混合组合无迁移与固定迁移模型。实验覆盖 457 口井，固定迁移会损害 18%–52% 的井，CASL 相比无迁移降低 RMSE 并部分挽救受损井。结果显示精度与风险之间存在权衡，而非单一方案占优。
arXiv cs.LG3 天前
★ 2
FACTS-MAS 多智能体框架按证据通道加权融合预测
论文提出领域无关的多智能体预测框架 FACTS-MAS，将证据分解为时序动态、外生上下文、季节性、结构与离散事件等专用通道，各智能体独立预测并按历史验证技能加权融合。在 Zillow 房源库存与 FRED 失业金申请数据上优于朴素方法与 TimesFM 基础模型。
arXiv cs.AI3 天前
★ 2
DBCM：面向时间序列预测测试时自适应的双分支校准模块
论文提出双分支校准模块 DBCM，用于时间序列预测中的测试时自适应。作者发现预测残差在通道间存在大量共享结构，因此用共享适配器承载跨通道自适应能力，再用低秩通道适配器保留少量通道特异性，并辅以通道混合与非线性门控调制。实验显示 DBCM 在多种数据集、预测步长和骨干网络上均优于现有方法。
arXiv cs.LG7 天前
★ 2
ASE 框架用归因引导语义演化提升时间序列预测
arXiv 论文提出 ASE（归因引导语义演化）模块化框架，用于构建文本因子、评估其条件贡献并部署数值-文本混合预测器。在四个 TESS 数据集与 CSI 300 股票排名任务上，各实现测试 MSE 均低于已发表 TESS 分数，文本融合使平均 RankIC 提升约 0.0006。
arXiv cs.AI13 天前
★ 2
EFC：时间序列预测的误差反馈校准框架
论文提出误差反馈校准（EFC），一种完全在测试时运行的确定性后处理框架，利用已揭示的预测误差构建因果误差对角线，并通过累积误差传输映射未来残差。实验显示该方法在多种骨干与数据集上普遍提升预测性能，同时抑制有害的过度校正。
arXiv cs.AI13 天前
★ 2
DST-Net：分解时空网络用于时间序列预测
论文提出DST-Net，针对趋势与季节分量采用差异化建模策略：趋势分支用潜在图块捕捉全局拓扑依赖，季节分支用高斯多尺度注意力缓解注意力分散。在多个真实基准上验证了该分解架构的有效性。
arXiv cs.LG17 天前
★ 2
Control-TS：分位数引导扩散概率时间序列预测
研究探讨预测分位数如何作为扩散预测的分布控制信号，发现贯穿去噪网络的残差控制带来最一致的改进。据此提出 Control-TS，在冻结预训练骨干的同时学习分位数控制通路，在八个基准上持续改善 CRPS 并媲美最先进预测模型。论文还提出条件线性预测分数（CLPS）评估生成未来的下游预测效用。
arXiv cs.LG17 天前
★ 2
论文提出 AliO 方法提升长期时间序列预测输出对齐
论文指出当前长期时间序列预测模型对同一时间戳在不同滞后输入下输出对齐度低，导致预测波动、可靠性下降。作者提出 AliO 方法，在时域与频域减少同一时间戳预测输出差异，并引入 TAM 指标衡量对齐度。实验显示 AliO 将 TAM 提升最多 58.2%，同时保持或提升预测性能最多 27.5%。
arXiv cs.AI24 天前
★ 2
研究：预处理偏差影响时间序列预测基准
论文指出当前时间序列预测基准多采用简单缩放，忽略差分等应对非平稳性的关键变换，造成结构性预处理偏差，偏向内置数据处理的模型。作者在 29,000 条 M4 序列上评估 11 个模型与 16 种可逆预处理流程，发现逐序列优化预处理可带来约 27%–87% 的性能提升，使简单架构也能与复杂 SOTA …
arXiv cs.LG25 天前
★ 2
HydroSphere：可治理自愈的废水基础设施框架
论文提出 HydroSphere，一个面向实时水质监测、预测、处理优化与故障恢复的数据驱动框架。它结合 TCN-LSTM 预测、PPO 强化学习自适应加药和深度自编码器异常检测，基于 1940 至 2023 年间 282 万条水质数据评估，并强调分层治理与安全边界。
arXiv cs.LG25 天前
★ 2
注意力图未必解释预测峰值时序
研究检验基于注意力的负荷预测模型中注意力图能否解释峰值时序，发现预测峰值中位误差为 0 小时，而注意力 argmax 中位误差达 5 小时。结果表明结构化、输入敏感的跨注意力并不必然提供有效的峰值选择性解释。
arXiv cs.LG26 天前
★ 2
自监控测试时自适应的可交换性失效
论文研究多步时间序列预测中，当监控与自适应使用同一预测误差反馈时，统计保证是否仍然成立。结果显示重叠目标与误差依赖会破坏关键假设，导致误报警并进一步损害预测质量。自适应还会向自身监控器隐藏持续性变化，而冻结模型保留更清晰信号。
arXiv cs.LG26 天前
★ 2
时间序列预测基准需场景化压力测试
论文指出当前时间序列预测评测过于狭窄：标准基准只看留出误差，鲁棒性研究多把失败简化为高斯噪声或随机掩码，掩盖了真实部署中的失效模式。作者主张采用场景化压力测试，每个测试实例应包含历史输入、未来目标、语义场景、显式失效算子与可度量难度。随着 TSF 基础模型兴起，这一评测缺口更加紧迫。
arXiv cs.AI28 天前
★ 2
保形对抗生成集成预测框架 CAGE
论文提出 CAGE 框架，融合生成建模、对抗判别与保形预测以提升时间序列预测可靠性。多个生成模型产出初始预测，判别组件用保形预测计算非一致性分数并动态调整模型权重，抑制不可靠预测的影响。在新西兰牛奶采集与猴痘公共卫生数据上，CAGE 在处理异常值与噪声数据方面优于传统集成方法。
arXiv cs.LG32 天前
★ 2
模型无关在线证书校准应对时序分布漂移
该论文针对时间序列在协变量漂移、概念漂移和时间依赖下的分布外泛化问题，提出一种模型无关的在线鞅 PAC-贝叶斯框架，能在时间依赖与分布漂移下给出有限样本证书。方法将证书作为在线校准的替代正则项，在固定预测骨干上训练门控残差贝叶斯头，采用先预测后更新的协议。在卷积、注意力及大语言模型预测器上的实验显…
arXiv cs.LG34 天前
★ 2
JEPA 预训练对时间序列预测是否有效？
一篇 arXiv 论文对联合嵌入预测架构（JEPA）在时间序列预测中的预训练效果进行了迄今最大规模的跨架构评估，覆盖 9 种骨干网络与 11 个基准。结果显示 JEPA 预训练的收益高度依赖下游骨干：部分架构稳定提升，另一些则稳定退化，且该现象在时序与时空预测任务中均成立。作者提醒实践中选择骨干网…
arXiv cs.LG34 天前
★ 2
NanoForecast v0.5：6.5M参数时序预测模型通过训练管线优化追平31倍大模型
研究者发布 NanoForecast v0.5，一个仅 6.5M 参数的时间序列预测模型，在架构不变的前提下通过修正损失范围处理、张量形状对齐和扩大数据增强，将 MASE 从 3.030 降至 1.704，降幅 43.8%。它在全部三个 ETT 数据集和汇率任务上超过 200M 参数的 Times…
arXiv cs.LG34 天前
★ 2
季节性及量子启发模型用于中子监测时间序列预测
该研究对Lomnicky Stit中子监测器（LMKS）时间序列进行多步预测，对比了季节性朴素基线、LSTM、TCN、N-BEATS、KAN及量子启发变体QiLSTM与QiKAN。结果显示量子启发的QiKAN取得最低聚合预测误差，而简单季节性朴素基线也极具竞争力。研究表明，对高度周期性的科学监测序…
arXiv cs.LG35 天前
★ 2
TW3Cast：仅用训练集选择的轻量微调基础模型冻结路由
TW3Cast 是一个时间序列预测系统，在 GIFT-Eval 榜单 130 个条目中按平均 MASE 排名第三，且不使用任何智能体或语言模型。其路由表在训练集上一次性计算后冻结，专家为轻量微调的公开基础模型。完整路由将平均 MASE 排名从最佳单模型的 33.8 提升至 19.4，所有榜单数字均…
arXiv cs.AI38 天前
★ 2
共享相对对齐模块用于时序预测与生命体征重建
论文提出 ROOSTER，一个统一处理 PPG 到生命体征重建与多变量时序预测的条件模块，核心是学习目标-条件偏移上的周期梳状偏置，其中心、周期与锐度按注意力头学习。在心率与呼吸率四个基准上超越已发表基线，在多变量时序预测四个基准上取得最优平均 MSE，并在 24 个数据集-预测步长设置中的 20…
arXiv cs.LG39 天前
★ 2
时空克罗内克协方差神经网络
论文提出克罗内克协方差神经网络（KVNN），一种时序图神经网络，用克罗内克乘积之和表示时空协方差矩阵，将空间与时间依赖解耦。KVNN具备严格谱分析并证明对有限样本估计误差稳定，弥补了时空PCA的线性与估计误差局限。在五个真实数据集上取得强预测性能，且可训练参数显著更少。
arXiv cs.LG40 天前
★ 2
Transformer 时序预测器的轻量前置门控
论文研究编码器前的协变量准入接口，实现一个轻量的表示级前置门控，为表示单元分配 sigmoid 分数，并研究惩罚平均准入的使用正则化变体。作为 TimeXer、iTransformer、PatchTST 的插件模块，在 ETTm1/ETTm2、Traffic、Energy、ILI 等数据集上以零额…
arXiv cs.LG42 天前
★ 2
CoRe：面向多变量时间序列预测的一致性与关系对齐目标
论文提出 CoRe，一种模型无关的直接多变量预测学习目标，用频域一致性损失和低秩关系图损失替代逐点 MSE 监督。该方法不引入可训练参数，仅替换损失函数即可应用于现有预测骨干网络。实验显示其在多个基准、骨干和超参设置下稳定优于强基线。
arXiv cs.LG45 天前
★ 2
K²SVD：基于卡尔曼推断的原理化Koopman表示
论文提出K²SVD方法，通过优化Hilbert-Schmidt目标显式学习Koopman算子的主导奇异函数，构建数学上一致的低秩表示。该方法结合线性高斯状态空间模型与卡尔曼滤波进行多步预测，潜空间维度不足此前工作的10%，在多个数据集上超越现有最优方法且预测更快、算力更低。
arXiv cs.LG46 天前
★ 2
CryptoL：加密货币多变量时序预测新框架
论文提出CryptoL统一框架，针对加密货币OHLC数据中跨资产尺度差异大、非平稳性强的问题，在RevIN流程内以情境归一化坐标计算预测误差，避免反归一化给MSE目标引入额外平方尺度权重。框架还比较通道独立与通道依赖归一化，并引入尺度自适应数值稳定与OHLC不等式软可行性损失。实验显示其在预测精度…
arXiv cs.AI51 天前
★ 1
arXiv 提出 CGDT-CESN 聚类回声状态网络预测多变量时序
研究提出相关性引导、动力学训练的聚类回声状态网络 CGDT-CESN，每个聚类专门对应一个变量，簇间连接由变量间经验相关性驱动并可训练。在 Twitter 信息级联演化与太阳风预测两个数据集上均优于传统 ESN，且在低数据量与多预测步长下保持优势。
arXiv cs.LG14 天前
★ 1
建筑热负荷短期预测混合模型对比综述
论文对建筑热需求短期预测的多种混合模型进行对比综述，评估数据驱动模型与元启发式等技术的结合。基于苏格兰家庭历史热需求与天气预报数据，对13种混合方法进行测试，其中EMD-LSTM-Markov在日前供暖与生活热水功率模式预测上精度最高，但对高功率尖峰存在低估。研究为建筑能源管理中的预测模型选型提供…
arXiv cs.LG26 天前
★ 1
HARN：事件驱动多时间框架预测网络
论文提出 HARN，一种层次联想共振网络，用于事件驱动的多时间框架金融时序预测。模型在各时间层级维护持久表示，仅当对应 bar 完成时才更新该层，结合因果多尺度编码、门控联想记忆与跨层共振。在股票、外汇与商品四类资产上，其重建价格预测误差与单时间框架 PatchTST、TimeXer 基线相当。
arXiv cs.LG39 天前