提升Transformer在不平稳时间序列预测上效果的方法

今天为大家介绍一篇NIPS 2022清华大学的工作：Non-stationary Transformer。这篇文章主要针对不平稳时间序列预测问题，提出了一种新的Transformer结构，既能保留原始序列的重要信息，又能消除原始数据的不平稳性，显著提升了不平稳时间序列的预测效果。

Transformer在时间序列预测中的各种应用，可以参考之前的文章如何搭建适合时间序列预测的Transformer模型？

• 论文标题：Non-stationary Transformers: Rethinking the Stationarity in Time Series Forecasting
• 下载地址：https://arxiv.org/pdf/2205.14415.pdf

1

时间序列中的不平稳性

时间序列的不平稳性（non-stationarity）是一个比较难处理，且真实世界中很常见的问题。时间序列的不平稳性指的是随着时间的变化，观测值的均值、方差等统计量发生变化。不平稳性会导致在训练集训练的模型，在测试集上效果较差，因为训练集和测试集属于不同时间，而不同时间的数据分布差异较大。

业内解决这种统计量随时间变化的不平稳问题主要方法是，对时间序列数据做一些诸如归一化等平稳化处理。例如对每个序列样本使用z-normalization处理成0均值1方差的，这样就可以解决不同时间步的样本统计量不一致的问题。但是这种解决方法会对Transformer模型带来一个负面影响：平稳化后的序列虽然统计量一致了，但是这个过程中也让数据损失了一些个性化的信息，导致不同序列的Transformer中的attention矩阵趋同。文中将这个现象叫作over-stationarization。

如下图所示，对于一个序列的3个时间窗口的子序列，不进行归一化处理的attention分布差别很大，而使用了归一化处理后，3个序列的attention分布趋同了。这也是导致Transformer模型在一些non-stationary数据上效果不好的原因之一。

为了解决这个问题，这篇文章提出了一种新的Transformer结构Non-stationary Transformers，核心包括两个部分：一个是对输入序列的归平稳化处理的预测结果反平稳化处理方法；另一个是让Transformer能够处理平稳化序列的同时，学习不平稳化数据中的attention规律。

2

平稳化处理

文中对原始输入序列采用了简单有效的平稳化方法，对于每个输入序列，利用输入序列的均值和方差将其转换为0均值1方差的高斯分布，以此消除不同时间窗口时间序列统计量的差异：

对于模型的输出结果，使用均值和方差做反向处理，得到最终预测结果：

3

De-stationary Attention

为了让Transformer能够直接从平稳化前的时间序列中学习attention pattern，本文提出了De-stationary Attention。对于每个Attention层，由于输入的是平稳化后的序列，其和平稳化前序列的关系可以表达成如下公式：

并可以进一步转换为如下表达式：

因此，想要使用平稳化前的序列计算attention，核心就是去计算3项：平稳化的方差、Q在时间维度上的均值、平稳化前序列经过Transformer得到的K。文中采用一个MLP网络来学习这两个部分，MLP的输入是原始平滑前的时间序列，公式如下：

通过这种方式，既能让模型在平稳化后的序列上学习，又能让模型根据非平稳化前完整的序列信息学习Transforomer的attention pattern。模型的整体结构如下图所示。

4

实验结果

在实验部分主要对比了文中提出的模型和各类Transformer模型的效果，对比了96、192、336、720等不同时间窗口的效果，Non-stationarity Transformer遥遥领先。

将Non-stationarity Transformer的主要模块加入到各类Transformer模型中，可以显著提升它们的效果，这也进一步验证了文中提出的de-stationary attention模块的有效性。

最后，通过一些case的可视化分析可以发现，Non-stationarity Transformer可以更准确的刻画序列未来的趋势性和波动性。

5

总结

本文从一个Transformer在非平稳时间序列预测上的问题出发，提出了简单有效的改进，让Transformer在处理平稳化序列的同时，能够从原始非平稳化序列中提取有用的信息，提升attention的学习能力。模型整体的实现比较简单，但是背后发现问题和解决问题的思路很值得学习。

END