TSMamba：基于Mamba架构的高效时间序列预测基础模型

在当今数据驱动的世界中，时间序列预测在多个领域扮演着关键角色。从医疗保健分析师预测患者流量，到金融分析师预测股市趋势，再到气候科学家预测环境变化，准确的时间序列预测都至关重要。然而，传统的预测模型面临着三个主要挑战：

1. 数据获取难度：对于新兴模式的预测，相关训练数据往往难以获取或收集。例如，LOTSA（最大的公开时间序列数据集）仅包含约270亿个时间点，而相比之下，NLP领域的数据集如RedPajama-Data-v2包含数十万亿个标记。
2. 泛化能力受限：传统模型难以在不同领域和应用场景之间迁移，每个新场景都需要重新训练模型。
3. 数据效率低下：在训练数据有限的情况下容易出现过拟合现象。

论文创新与改进

1. 架构创新

TSMamba对传统Transformer架构进行了重大改进：

1. 线性复杂度实现

• 传统Transformer：输入长度的二次方复杂度
• TSMamba：实现线性复杂度，显著提升处理效率
• 通过选择性状态空间实现信息的高效过滤与保留

1. 双向编码器设计

• 前向编码器：捕捉因果关系依赖
• 后向编码器：提取反向时间关系
• 时间卷积模块：对齐前向和后向表示

2. 两阶段迁移学习方法

TSMamba采用创新的两阶段迁移学习方法，有效解决了训练数据不足的问题：

第一阶段 - 骨干网络训练：

• 利用预训练的Mamba语言模型初始化
• 通过分片式自回归预测优化骨干网络
• 训练输入嵌入以适应时间序列数据

第二阶段 - 长期预测优化：

• 恢复完整TSMamba架构
• 加载第一阶段训练的骨干网络和嵌入层
• 使用差异化学习率策略进行训练

3. 通道压缩注意力机制

为处理多变量时间序列的复杂性，TSMamba引入了创新的通道压缩注意力模块：

该模块包含四个关键步骤：

1. 时间卷积：对齐不同通道的时间维度
2. 通道压缩：将通道数从D压缩到⌈log₂(D)⌉
3. 注意力计算：在压缩通道维度上提取依赖关系
4. 通道恢复：将压缩表示映射回原始通道数

这种设计既保证了对跨通道依赖关系的有效捕捉，又避免了过度拟合的风险。

实验评估与性能分析

实验设置

TSMamba在实验中采用以下配置：

• 3层编码器
• 768维嵌入大小
• 固定512长度的输入序列

实验评估分为两个主要场景：零样本预测和全量数据训练。

零样本预测结果

基准数据集评估

在ETTm2和Weather两个标准数据集上进行了全面测试：

1. 预测周期

• 短期：96小时
• 中期：192小时
• 长期：336小时、720小时

1. 评估指标

• 均方误差(MSE)
• 平均绝对误差(MAE)

关键发现

• 在长期预测(336和720小时)场景表现突出
• 与使用更大规模预训练数据的模型相比保持竞争力
• 在平均性能上达到领先水平，尤其是在数据效率方面

全量数据训练结果

实验数据集

在三个主要数据集上进行了详细评估：

• ILI (流感数据集)
• ETTm2 (电力负载数据集)
• Weather (气象数据集)

性能对比

主要结果：

1. 整体性能

• 相比GPT4TS提升了15%的性能
• 超越了专门的时间序列预测模型PatchTST
• 在大多数预测长度上保持最优表现

1. 分数据集表现

• ETTm2数据集：平均MSE降低至0.257，MAE降低至0.317
• Weather数据集：平均MSE达到0.222，MAE达到0.258
• ILI数据集：显著优于所有基准模型

1. 稳定性分析

• 在不同预测长度下保持稳定表现
• 预测结果的方差较小，显示出较高的可靠性

消融研究

为验证各个模块的有效性，进行了详细的消融实验：

1. 通道压缩注意力模块的影响

• 完整模型vs去除压缩机制
• 不同压缩比率的效果对比

1. 两阶段训练策略的贡献

• 单阶段vs两阶段训练的效果对比
• 不同预训练策略的影响

1. 双向编码器的作用

• 仅使用前向编码器的效果
• 双向编码器带来的性能提升

这些实验结果证实了TSMamba各个创新组件的必要性和有效性。

技术细节

论文没给源代码，我们按照论文的思路进行一个简单的复现

关键技术实现

1. 模型核心组件

预处理模块

class PreprocessModule(nn.Module):
def __init__(self):
super().__init__()
# 实例归一化
self.norm = ReverseInstanceNorm()
# 1D卷积实现输入嵌入
self.embedding = nn.Conv1d(
in_channels=1,
out_channels=model_dim,
kernel_size=patch_length,
stride=patch_length
)

通道压缩注意力模块

class ChannelCompressedAttention(nn.Module):
def __init__(self, dim, num_channels):
super().__init__()
# 时间卷积层
self.temporal_conv = nn.Conv1d(dim, dim, kernel_size=3, padding=1)
# 通道压缩
compressed_channels = ceil(log2(num_channels))
self.channel_compress = nn.Conv1d(num_channels, compressed_channels, 1)
# 注意力层
self.attention = nn.MultiheadAttention(dim, num_heads=8)
# 通道恢复
self.channel_expand = nn.Conv1d(compressed_channels, num_channels, 1)

2. 优化策略

1. 两阶段训练流程

• 第一阶段：优化骨干网络
• 第二阶段：微调预测头
• 使用差异化学习率

1. 损失函数设计

def huber_loss(y_pred, y_true, delta=1.0):
residual = torch.abs(y_pred - y_true)
quadratic_loss = 0.5 * residual.pow(2)
linear_loss = delta * residual - 0.5 * delta.pow(2)
return torch.mean(torch.where(residual <= delta,
quadratic_loss,
linear_loss))

总结

TSMamba通过其创新的架构设计和训练策略，成功解决了传统时间序列预测模型面临的多个关键问题。其主要贡献包括：

1. 实现了线性复杂度的计算效率
2. 提出了有效的两阶段迁移学习方法
3. 设计了创新的通道压缩注意力机制

这些创新为时间序列预测领域提供了新的研究方向和实践指导。随着技术的不断发展，我们期待看到更多基于TSMamba的改进和应用，推动时间序列预测技术继续向前发展。

https://avoid.overfit.cn/post/7813f935a8584f4199d146bce348f787