31 lines
1.1 KiB
Markdown
31 lines
1.1 KiB
Markdown
---
|
||
title: "Non-stationary Time Series（非平稳时间序列）"
|
||
created: 2026-05-11
|
||
updated: 2026-05-11
|
||
type: concept
|
||
tags: [time-series, statistics, machine-learning]
|
||
sources: [[liu-koopa-2023]]
|
||
---
|
||
|
||
# Non-stationary Time Series（非平稳时间序列）
|
||
|
||
## 定义
|
||
|
||
非平稳时间序列是指统计特性（均值、方差、协方差）或时间依赖模式随时间变化的时间序列。这是真实世界数据的普遍特征——天气、金融、能耗等几乎都是非平稳的。
|
||
|
||
## 对深度学习的挑战
|
||
|
||
- **分布迁移**：训练窗口和推理窗口的数据分布可能截然不同
|
||
- **模型泛化困难**：模型学到的模式在分布变化后失效
|
||
- **传统应对**：差分、归一化等预处理，但会丢失信息
|
||
|
||
## Koopa 的处理方式
|
||
|
||
不将非平稳视为需要消除的"噪声"，而是通过 [[fourier-filter-dynamics|Fourier Filter]] 将其**显式解耦**为时变和时不变分量，分别用不同的 [[koopman-predictor|Koopman 预测器]] 处理。
|
||
|
||
## 相关概念
|
||
|
||
- [[time-variant-dynamics|时变动力学]]
|
||
- [[fourier-filter-dynamics|Fourier Filter]]
|
||
- [[liu-koopa-2023|Koopa]]
|