时间序列预测实战(十九)：改良Informer模型实现滚动长期预测（科研版，含结果可视化）

简介：
本篇文章详细介绍了如何改进Informer模型进行滚动式的长期预测，并展示其在科研中的应用及可视化结果。适合深入研究时间序列预测的读者参考学习。 在之前的文章里我们已经介绍了Informer模型的相关内容。然而官方提供的预测功能较为简陋，只能设定固定长度来预测未来固定的值范围，在发表论文的需求下往往无法满足要求。因此我在官方代码的基础上新增了一个滚动长期预测的功能：首先进行24个时间单位的初次预测，然后将这24个时间段的结果自动填补进模型中以继续对未来的时间段做出预测（这个过程无需手动操作）。这一功能十分实用，它使我们能够更准确地评估固定时间段内的值。此外，在实际应用时可以设置为自动获取数据来实现其价值。 本段落的修改内容完全由我个人开发完成，创作不易希望如果对大家有所帮助的话能给我点赞支持一下，并关注我的专栏（免费阅读）。该专栏将持续复现各种顶会的内容，无论您是想发表高水平还是其他级别的论文都会有所助益。时间序列预测在许多领域都是至关重要的，在这些场景中我们可以利用大量的历史数据来进行长期预测，即长序列的时间序列预测(LSTF)。然而现有的大多数方法设计用于短期问题的解决，例如48个点或更少的数据预测。随着所需预测时间段的增长，模型面临的挑战也随之增加。比如当需要进行超过48个时间单位的预测时，LSTM网络的表现就会受到限制。