阿里达摩院提出时序预测新模型

最近，阿里达摩院提出了一种新的用于长时间序列预测的模型FEDformer，其准确率比业界最好的方法高出14.8%。该模型已应用于电网负荷预测。相关论文已被机器学习峰会ICML2022收录。

据了解，ICML是机器学习领域的顶级学术会议。达摩院决策智能实验室的论文Fed former:用于长期序列预测的频率增强退化变换器重点研究了机器学习领域的经典问题:时间序列预测。

时间序列预测是指利用历史数据预测未来信息。预测可分为短期、中期和长期预测。预测的时间窗口越长，预测的难度就越大。这项技术广泛应用于气象、电力、零售、交通等诸多行业。

传统的时间序列预测模型一般采用LSTM、CNN等方法，精度和使用场景有限，无法处理大规模数据。

近年来，研究者开始将变压器模型引入到长时间序列预测中，但效果仍不尽如人意。该模型核心的注意机制模块对时间序列数据不够敏感。

阿里达摩院这次提出的新模型FEDformer结合了变压器和经典信号处理方法。比如利用傅立叶/小波变换将时域信息分解为频域信息，使变换器更好地学习长时间序列中的相关性；FEDformer还能消除干扰，具有更好的鲁棒性。

在新模型中，特别设计了周期性趋势项分解模块，通过多重分解，减少投入产出波动，进一步提高预测精度。

实验表明，达摩院的新模型在电力、交通、气象等6个标准数据集上取得了最好的记录，预测精度比之前业界最好的模型分别提高了14.8%(多变量)和22.6%(单变量)。

目前，该模型已经走出实验室，完成了在区域电网中的概念验证，明显提高了电网负荷预测的准确性。

如今，基于自主研发的时间序列预测、MindOpt、安全强化学习等底层技术，达摩院打造的绿色能源AI已逐步落地全国多个电网和发电企业，推动绿色能源消纳和电网安全运行。

值得一提的是，据天眼查资料显示，阿里巴巴达摩院(杭州)科技有限公司于7月1日公开了一项“机器客服训练系统及其方法、语音应答方法和电子设备”的专利，申请公开号为CN114692891A，申请日为2022年1月29日。

专利摘要显示，本申请提供了一种机器客服培训系统及其方法、语音回复方法和电子设备。机器客服培训系统包括机器客服模型、用户模型、奖励参数配置组件和终止组件。

分享到：