10:22arXiv cs.LG@Minh Hoang Nguyen, Dai Do, Huu Hiep Nguyen, Dung Nguyen, Kien Do, Hung Le精选现代深度学习模型在时间序列预测中表现优异,但在长期预测中因自回归推理的误差累积导致性能下降。经典误差校正机制(ECM)在统计方法中有效,但在深度学习中应用有限。本文提出一种架构无关的通用误差校正器UEC-STD,通过将预测分解为趋势和季节成分分别校正,显著提升校正精度和鲁棒性。该方法无需重新训练即可集成到现有预测器中,在4种骨干网络和10个数据集上验证了有效性。代码已开源,为缓解深度时间序列模型的自回归误差提供了实用工具。论文时间序列预测误差校正深度学习自回归开源/仓库推荐理由:时间序列预测的长期误差累积是实际应用中的痛点,做时序预测的团队可以直接用UEC-STD提升现有模型性能,无需重新训练,值得一试。原文