長期時間序列預測

深度分析

矩‑熵驅動的 NEST 混合專家模型：提升長期多變量時間序列預測效能

長期多變量時間序列因不同運作模式產生資料層級分布移轉，預測難度提升。研究提出NEST，透過矩-熵空間無監督聚類劃分運作機制，結合兩階段密集混合專家與時間內容路由器及幾何調整，使每個專家專注於特定模式。實驗在網路流量與電離層TEC等基準上均創下最新最佳表現，證明此法能有效緩解資料層級分布移轉。