题目：多级小波分解网络的时间序列预测结果汇报

主讲人：梁桦杰

地点：腾讯会议

时间：2023年1月16日  下午2点30分

简介：时间序列的预测重点是从与未来相关的历史数据中提取信息。然而这有一个难点——历史数据到底有多少与未来数据相关？例如，有的序列中只有短期相关性，有的序列中有长期相关性，有的序列一会儿是短期相关，一会儿又是长期相关。

传统的LSTM方法可以解决长短期相关的问题，但是LSTM的最长相关性取决于历史序列时间窗口的长度。例如，我们如果用20天的历史股价去预测未来的股价，那么即使是LSTM最长也只能抓取20天的相关历史数据。

在在众多的时间序列预测模型中，对重要的频率信息仍缺乏有效的建模，文次报告介绍参考文献中提出一种基于小波的神经网络结构，分为残差网络和多频长短期记忆网络用于时间序列的分类和预测，通过反向传播算法全局学习所有参数，实现了小波频率分析的无缝嵌入到深度学习框架中。

在这个讨论班中，主要对该提出的一种可解释时间序列分析的多层次小波分解网络的时间序列分析算法进行复现之后的结果进行讨论

参考文献：MultilevelWavelet Decomposition Network for Interpretable

Time Series Analysis