可用模型#
模型 + 论文 |
本地/全局 |
数据布局 |
架构/方法 |
实现 |
---|---|---|---|---|
DeepAR |
全局 |
单变量 |
RNN |
|
DeepState |
全局 |
单变量 |
RNN, 状态空间模型 |
|
DeepFactor |
全局 |
单变量 |
RNN, 状态空间模型, 高斯过程 |
|
Deep Renewal Processes |
全局 |
单变量 |
RNN |
|
GPForecaster |
全局 |
单变量 |
MLP, 高斯过程 |
|
MQ-CNN |
全局 |
单变量 |
CNN 编码器, MLP 解码器 |
|
MQ-RNN |
全局 |
单变量 |
RNN 编码器, MLP 编码器 |
|
N-BEATS |
全局 |
单变量 |
MLP, 残差连接 |
|
Rotbaum |
全局 |
单变量 |
XGBoost, 分位数回归森林, LightGBM, 水平集预测器 |
|
Temporal Fusion Transformer |
全局 |
单变量 |
LSTM, 自注意力 |
|
Transformer |
全局 |
单变量 |
MLP, 多头注意力 |
|
WaveNet |
全局 |
单变量 |
膨胀卷积 |
|
SimpleFeedForward |
全局 |
单变量 |
MLP |
|
DeepNPTS |
全局 |
单变量 |
MLP |
|
MQF2 |
全局 |
单变量 |
RNN, ICNN |
|
DeepVAR |
全局 |
多变量 |
RNN |
|
GPVAR |
全局 |
多变量 |
RNN, 高斯过程 |
|
LSTNet |
全局 |
多变量 |
LSTM |
|
DeepTPP |
全局 |
多变量事件 |
RNN, 时间点过程 |
|
DeepVARHierarchical |
全局 |
分层 |
RNN |
|
RForecast |
本地 |
单变量 |
ARIMA, ETS, Croston, TBATS |
|
Prophet |
本地 |
单变量 |
- |
|
NaiveSeasonal |
本地 |
单变量 |
- |
|
Naive2 |
本地 |
单变量 |
- |
|
NPTS |
本地 |
单变量 |
- |