---
title: "Temporal Patch Shuffle (TPS)"
created: 2026-05-26
type: concept
tags: ["time-series", "data-augmentation", "forecasting", "patch-based"]
sources: ["temporal-patch-shuffle-tps"]
---

# Temporal Patch Shuffle (TPS)

> 基于重叠时间 patch 的选择性 shuffle 增强方法——当前时间序列预测增强的 SOTA。

## 核心流程

1. **拼接**：x ∥ y → s，从源头强制 [[data-label-consistency|数据-标签一致性]]
2. **Temporal Patching**：patch 长度 p、stride s，提取**重叠** patch
3. **Variance 评分**：跨通道计算每个 patch 的 variance，低 variance = 更安全的扰动对象
4. **选择性 Shuffle**：variance 最低的 α 比例 patch 被随机置换
5. **重建**：重叠区域取平均——自然平滑 shuffle 引入的不连续性
6. **拆分**：s̃ → x̃, ỹ

## 设计直觉

- **重叠是关键**：相邻 patch 共享时间步，重建时过渡平滑；换成非重叠 → 明显退化
- **Variance 启发式**：保守策略——低 variance 的 patch 结构特征少，扰动更安全
- **时域优先**：直接操作原始信号优于 FFT 变换后操作

## 为什么比其他方法好

| 对比维度 | TPS | 频域方法 | 分解方法 |
|---------|-----|---------|---------|
| 时间定位 | ✅ 原生 | ❌ FFT 丢失 | ✅ EMD 保留 |
| 计算开销 | 低 | 低 | 高（EMD） |
| input-target 一致性 | ✅ 内置 | ✅ 支持 | ✅ 支持 |
| 跨任务泛化 | ✅ 预测+分类 | 预测为主 | 预测为主 |

## 超参数

- p：patch 长度
- s：stride（< p 则重叠）
- α：shuffle 比例（0.7-1.0 最优）

实际不跑 Cartesian 网格，约 20 种候选配置做验证集搜索。

## 实验结果摘要

- 长期预测：9 数据集 × 5 骨干，MSE 改善 2.08%-10.51%
- 短期交通：4 PeMS 数据集，MSE 改善 0%-7.14%
- 分类任务：UCR +0.50%, UEA +1.10%

## 相关页面

- [[time-series-forecasting-augmentation]] — 预测增强通用框架
- [[data-label-consistency]] — 联合增强的理论基础
- [[freqmask-freqmix]] — 频域替代方案
- [[wavemask-wavemix]] — 时频域替代方案
- [[temporal-patch-shuffle-tps]] — 原始综述文章