本研究介绍了多种先进的时间序列预测模型,如Autoformer、MMM和W-MAE,展示了它们在气象预测中的优越性能。这些模型利用深度学习技术,解决了复杂时间序列的预测问题,并在气候变化研究中展现出应用潜力。
本文介绍了Transformer模型在时间序列预测中的应用及其与其他模型的比较结果。作者发现,Transformer模型在测试集上表现更好。文章还介绍了如何在traffic数据集上使用Autoformer模型进行时间序列预测,并使用MASE指标进行评估。作者指出了时间序列领域缺乏大规模公开数据集的问题,提出了开发大规模、通用的时间序列数据集的重要性。
完成下面两步后,将自动完成登录并继续当前操作。