Transformer时间序列预测

Transformer在时间序列预测中的应用是基于其在序列建模方面的强大能力。时间序列数据具有自相关性、周期性以及长周期序列预测等特点，因此在使用Transformer进行时间序列预测时，需要对其进行改造以适应这些特点。

有几篇论文对Transformer在时间序列预测中的应用进行了研究。其中一篇论文题为"Temporal fusion transformers for interpretable multi-horizon time series forecasting"（2019），该论文提出了一种基于Transformer的时间序列预测方法，可以解释多个时间序列的预测结果。

另一篇论文题为"Informer: Beyond efficient transformer for long sequence timeseries forecasting"（AAAI 2021），该论文提出了一种名为Informer的改进Transformer模型，专门用于长序列时间序列预测任务，提高了效率和准确性。

这些研究表明，Transformer在时间序列预测中的应用有很大潜力，并且针对时间序列的特点进行改进可以提高预测的效果和解释性。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [如何搭建适合时间序列预测的Transformer模型？](https://blog.csdn.net/qq_33431368/article/details/124811340)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]