Wat is PatchTST?

PatchTST is een methode voor het voorspellen van tijdreeksen gebaseerd op transformers. In tegenstelling tot klassieke modellen splitst PatchTST de tijdreeks op in patches (korte sequenties), die vervolgens aan de transformer worden gevoerd. Deze aanpak maakt het mogelijk om lokale en globale afhankelijkheden in de tijdgegevens efficiënt te vast te leggen, wat de voorspellingskwaliteit verbetert.

Belangrijkste voordelen van PatchTST:

• Het gebruik van patches vermindert de computationele complexiteit.
• De transformer modelleert goed langetermijnafhankelijkheden.
• Geschikt voor diverse taken in tijdreeksvoorspelling.

Een voorbeeld van het gebruik van PatchTST bij een tijdreeksvoorspellingstaak kan er als volgt uitzien (pseudo-code):

# Tijdreeks opsplitsen in patches
patches = create_patches(time_series, patch_size=16)

# Patches aan de transformer voeren
predictions = PatchTSTModel(patches)

Op deze manier combineert PatchTST de voordelen van transformers en lokale analyse van tijdreeksen.