Was ist PatchTST?

PatchTST ist eine Methode zur Vorhersage von Zeitreihen, die auf Transformatoren basiert. Im Gegensatz zu klassischen Modellen teilt PatchTST die Zeitreihe in Patches (kurze Sequenzen), die dann in den Transformator eingespeist werden. Dieser Ansatz ermöglicht es, lokale und globale Abhängigkeiten in den Zeitdaten effizient zu erfassen und die Vorhersagequalität zu verbessern.

Die wichtigsten Vorteile von PatchTST:

• Die Verwendung von Patches reduziert die rechnerische Komplexität.
• Der Transformator modelliert gut langfristige Abhängigkeiten.
• Geeignet für verschiedene Aufgaben der Zeitreihenvorhersage.

Ein Beispiel für die Verwendung von PatchTST bei der Vorhersage einer Zeitreihe könnte so aussehen (Pseudocode):

# Zeitreihe in Patches aufteilen
patches = create_patches(time_series, patch_size=16)

# Patches in den Transformator einspeisen
predictions = PatchTSTModel(patches)

Auf diese Weise kombiniert PatchTST die Vorteile von Transformatoren und der lokalen Analyse von Zeitreihen.