Проблема: Нестабильность прогнозов LTSF
Задачи долгосрочного прогнозирования временных рядов (Long-Term Time Series Forecasting, LTSF) критически важны для прогнозирования погоды и планирования энергопотребления. Однако современные модели часто демонстрируют низкую «выравниваемость» (output alignment) результатов для одних и тех же временных меток при использовании сдвинутых входных последовательностей. Это приводит к колебаниям в прогнозах, подрывая надежность моделей для реальных приложений.
Решение: Метод AliO и метрика TAM
Авторы предлагают метод AliO (Align Outputs), который улучшает выравнивание выходных данных LTSF-моделей, уменьшая расхождения в предсказаниях для одних и тех же временных меток как во временной, так и в частотной областях. Для оценки этого параметра введена новая метрика TAM (Time Alignment Metric), которая количественно измеряет согласованность прогнозов, в отличие от традиционных метрик (например, MSE), фиксирующих только расстояние до истины.
Результаты: Рост точности и стабильности
Эксперименты показывают, что AliO эффективно улучшает выравнивание выходных данных, достигая прироста до 58.2% по метрике TAM, при этом сохраняя или улучшая общую производительность прогнозирования (до 27.5%). Это делает модели более применимыми в сценариях, требующих высокой надежности.
| Метрика / Параметр | Описание | Результат внедрения AliO |
|---|---|---|
| TAM (Time Alignment Metric) | Новая метрика для оценки согласованности прогнозов во времени | Улучшение до 58.2% |
| Forecasting Performance | Общая точность прогнозирования (в сравнении с базовыми моделями) | Улучшение до 27.5% |
| MSE (Mean Squared Error) | Традиционная метрика ошибки (расстояние до ground truth) | Сохранение или улучшение качества |
Значение для индустрии
Работа, представленная на NeurIPS 2025 (Advances in Neural Information Processing Systems 38), подчеркивает, что улучшение выравнивания выходных данных является ключевым фактором для повышения доверия к AI-моделям в долгосрочном планировании. Авторы: Kwangryeol Park, Jaeho Kim, Seulki Lee.
Источник: arXiv cs.AI ↗